化学工程与过程技术杂志
开放获取

抽象的

预测乳液液膜萃取性能的人工神经网络方法

Hachemaoui A 和 Belhamel K

本文报道了使用人工神经网络（ANN）方法来预测乳液液膜萃取过程中外相中的镍浓度。镍提取实验室批量分析的实验数据已用于训练、验证和测试反向传播 ANN 模型。输入神经元对应于，外相pH、剥离相浓度、搅拌速度、载体浓度、表面活性剂浓度、处理比（乳液与外相的体积比）、相比（膜与剥离相的体积比）、初始外相镍(II)浓度和时间。研究了具有不同隐藏神经元和不同学习算法（如 LM、SCG 和 BR）的树层网络。具有六个隐藏神经元和贝叶斯正则化（BR）算法的网络表现出良好的性能。外相溶质浓度预测值与实验结果吻合较好，平均绝对偏差（ADD%）为0.2664%，相关系数R2为0.977。本研究结果表明，基于实验测量训练的 ANN 模型可以成功应用于外相浓度的快速预测