盧澤湘1，范立維2，鄭德勇1，廖益強1，黃　彪1
（1.福建農(nóng)林大學　材料工程學院，福建福州350002；2.福建農(nóng)林大學資源與環(huán)境學院，福建福州350002）

　　摘　要：應(yīng)用BP神經(jīng)網(wǎng)絡(luò)（BPNN）對超臨界CO2萃取油茶籽油過程進行了模擬和預測。研究了神經(jīng)網(wǎng)絡(luò)的構(gòu)建、訓練以及學習算法和隱含層結(jié)構(gòu)的優(yōu)化，并用得到的神經(jīng)網(wǎng)絡(luò)對不同原料平均粒徑（0.215~0.625mm）、壓力（30~35MPa）、溫度（35~50℃）、CO2流量（20~25L/h）條件下的油茶籽油收率進行預測。結(jié)果表明：L-M算法是適宜的BP神經(jīng)網(wǎng)絡(luò)學習算法；具有5/8/1結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)的模擬性能最優(yōu)；模型的預測值與實驗結(jié)果吻合較好，大部分數(shù)據(jù)的相對誤差小于3%，說明BP神經(jīng)網(wǎng)絡(luò)適用于超臨界CO2萃取油茶籽油過程的模擬。

　　關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；超臨界CO2；萃??；油茶籽油

　　中圖分類號：TQ028.32；TQ351

　　文獻標識碼：A

　　文章編號：0253-2417（2010）05-0012-07