BP神經(jīng)網(wǎng)絡(luò )方法預測聚乙二醇的羧基化率

2009年37卷第2期廣州化工77BP神經(jīng)網(wǎng)絡(luò )方法預測聚乙二醇的羧基化率傅應強1,姚嵐2,孟祥松(1安徽工程科技學(xué)院生物化學(xué)工程系,安徽蕪湖2410002蕪湖卷煙廠(chǎng),安徽蕪湖241000)摘要:以聚乙二醇和高錳酸鉀作為原料用反應前后溶液電導率的變化值來(lái)表征研究聚乙二醇的羧基化率,電導率的變化值越大說(shuō)明聚乙二醇的羧基化率越高。并對反應所需的反應條件(如p值、溫度和配比等)作了簡(jiǎn)單的探討。研究這些反應條件的改變對聚乙二醇的羧基化率的影響。并以 matlab語(yǔ)言編寫(xiě)BP神經(jīng)網(wǎng)絡(luò )通過(guò)實(shí)驗數據對網(wǎng)絡(luò )進(jìn)行訓練然后以訓練好的網(wǎng)絡(luò )對聚乙二醇的羧基化率進(jìn)行預測結果表明,我們所建立的兩層BP神經(jīng)網(wǎng)絡(luò )對不同反應條件下聚乙二醇羧基化率的仿真結果和實(shí)驗數據吻合程度最低的都達到了4%最高的能達到999%左右。說(shuō)明BP神經(jīng)網(wǎng)絡(luò )應用于化學(xué)反應過(guò)程的預測是切實(shí)可行的。關(guān)鍵詞:人工神經(jīng)網(wǎng)絡(luò );聚乙二醇;羧基化Prediction of the Efficiency of Carboxylation Polyethylene Glycol Using BPural NetworkFU Ying-qiang, YAO Lan, MENG Xiang-song(1Department of Biochemical Engineering, Anhui University of Technology and Science, Anhui Wuhu 241000;2 Wuhu Cigerate Company, Anhui Wuhu 241000, China)Abstract: Polyethylene glycol and potassium permanganate were used as reagents. Changes in conductanceof the solution could be used to characterize and study the carboxylation of polyethylene glycol, when theconductance changed a lot. It indicated that the carboxylation degree of polyethylene glycol was higher. We alsodiscussed the influence of experimental parameters such as PH value, temperature, ratio of reagents, and so onAnd BP neural network developed and written by matlab languages, and then trained the network according tothe data obtained, then the carboxylation degree of the reaction by using the well trained network was predictedAll the results indicated that the developed neural network proved to be successful because the result obtained bythis method was in good accordance with the experimental data, the accordance degree reach 93 %-99 %.It'sfeasible that BP neural network could be used to predict the process of chemical reaction.Key words: neural networks; polyethylene glycol; carboxylation高分子反應由于其復雜性各反應條件和產(chǎn)物性能之間絡(luò )是生理學(xué)上的真實(shí)人腦神經(jīng)網(wǎng)絡(luò )的結構和功能以及若干的規律很難總結,它們之間存在著(zhù)非常復雜的、非線(xiàn)性的因基本特征的某種理論抽象、簡(jiǎn)化和模擬而構成的一種信息系果關(guān)系。如果能采用人工智能方法對該關(guān)系進(jìn)行模擬,將有統。從系統觀(guān)點(diǎn)看人工神經(jīng)網(wǎng)絡(luò )是由大量非線(xiàn)性神經(jīng)元作助于從已有的實(shí)驗數據中總結出一定的規律在此基礎上對處理單元通過(guò)極其豐富和完善的連接而構成的大規模分反應條件進(jìn)行優(yōu)化并用來(lái)指導實(shí)驗從而通過(guò)盡可能少的布式并行處理系統。人工神經(jīng)網(wǎng)絡(luò )獨特的結構和處理信息的實(shí)驗獲得我們所期望得到的產(chǎn)物。方法使它在許多實(shí)際應用中取得了顯著(zhù)的成效解決了不少人工神經(jīng)網(wǎng)絡(luò )( ANN, ArtificialNeuralNetworks有時(shí)也簡(jiǎn)稱(chēng)傳統計算方法難以解決的問(wèn)題。神經(jīng)網(wǎng)絡(luò )作為人工智能的一為NN是近年來(lái)發(fā)展最快的一種人工智能方法它能模仿人種計算工具在某些應用領(lǐng)域具有明顯的優(yōu)點(diǎn)已展示出廣泛進(jìn)行信息處理具有自學(xué)習自組織、自適應能力及很強的的應用前景。人工神經(jīng)網(wǎng)絡(luò )作為一種智能方法0年代初有容錯性、分布存儲與并行處理信息的功能及高度非線(xiàn)性表達論文評述其在化學(xué)中的應用只是起始階段但近幾年其在能力可以有效的對模型不確定的數據進(jìn)行大規模的非線(xiàn)性化學(xué)中的應用范圍日益廣泛幾乎涉及所有的化學(xué)數據處理自適應處理自動(dòng)調節不同類(lèi)型的非線(xiàn)性響應。人工神經(jīng)網(wǎng)及相關(guān)領(lǐng)域。我國的科研工作者將人工神經(jīng)網(wǎng)絡(luò )應用于化學(xué)基金項目:安徽省高等學(xué)校優(yōu)秀青年人才基金項目資助(20090095)。作者簡(jiǎn)介:博應強(1980-),男,碩士,講師廣州化工2009年37卷第2期始于90年代初目前已發(fā)展到一定水平。目前神經(jīng)網(wǎng)絡(luò )在在化學(xué)方面的應用主要包括:非線(xiàn)性校準,無(wú)損分析M”、定量結構/活性相關(guān)、化學(xué)信號處理、化學(xué)反應模擬門(mén)、故障診畫(huà)u斷、預測優(yōu)化等方面現主要是利用BP神經(jīng)網(wǎng)絡(luò )來(lái)研究預測不同的條件下聚圖1具有兩層結構的B神經(jīng)網(wǎng)絡(luò )結構圖乙二醇的羧基化率,首先通過(guò)實(shí)驗即在堿性條件下用高錳酸鉀將聚乙二醇羧基化,利用反應前后溶液的電導率變化值其中第一層采用 tansig函數作為傳遞函數,神經(jīng)元的個(gè)來(lái)表征羧基化的程度電導率的變化值越大聚乙二醇的羧基數為22個(gè)第二層傳遞函數為線(xiàn)性函數 purlin函數,神經(jīng)化程度就越高。然后改變反應條件得到不同條件下反應前元個(gè)數為1。網(wǎng)絡(luò )訓練函數采用LM優(yōu)化算法(tinm)。其后電導率的變化值建立數據庫,用于已編寫(xiě)的神經(jīng)網(wǎng)絡(luò )中中傳遞函數以及神經(jīng)元的個(gè)數的選擇主要考慮兼顧了較小加以訓練,最終用已訓練好的神經(jīng)網(wǎng)絡(luò )來(lái)實(shí)現預測聚乙二的訓練誤差和較高的運行效率。神經(jīng)網(wǎng)絡(luò )模型建好之后采用的羧基化率。實(shí)驗數據對網(wǎng)絡(luò )進(jìn)行訓練,并將訓練好的網(wǎng)絡(luò )輸出和實(shí)驗的1實(shí)驗部電導率差值做了對比以檢驗網(wǎng)絡(luò )的仿真預測性能。1.1主要儀器和試劑電導率儀H6多頭磁力加熱攪拌器、聚乙二醇1000高2結果與討論錳酸鉀、氡氧化鈉。21電導率與時(shí)間的關(guān)系12實(shí)驗方法電導率與時(shí)間的變化關(guān)系如圖2所示,由圖可知,此反在堿性條件下,利用高錳酸鉀的氧化性氧化聚乙二醇,應是電導率減小的過(guò)程溶液的電導率隨反應時(shí)間的增大而使聚乙二醇中的羥基氧化成羧基即羧基化。反應方程式如降低,最終趨于一直線(xiàn)。此時(shí)說(shuō)明反應已達到平衡。反應達到平衡所耗時(shí)間為3h電導率之所以減小是因為反應消耗了KMnO4高錳酸根離子,使溶液中離子濃度降低PEG-OH一畿性→ PEG-OOH1.3神經(jīng)網(wǎng)絡(luò )的構建原理由反應方程式可知聚乙二醇的羧基化率和反應前后的電導率改變值是成正比的,因此我們可以通過(guò)測量反應前后溶液中電導率的變化值,來(lái)表征其羧基化的程度,即羧基化率,反應前后溶液電導率的變化值越大其羧基化的程度就越高。這樣的話(huà)我們就可以間接的通過(guò)測量電導率變化值(△G)來(lái)表征聚乙二醇羧基化的程度,我們研究不同反應條件下體系的電導率變化值,得到一系列條件下的電導率差值那么電導率差值和反應條件的關(guān)系可以用下面的函數來(lái)表示:△G=f反應時(shí)間溫度,pH配比,……),很顯然這種函數是非常復雜的,而且一般都不能用一個(gè)準確的表達式來(lái)表圖2電導率與時(shí)間的關(guān)系圖達而B(niǎo)P神經(jīng)網(wǎng)絡(luò )在隱層神經(jīng)元足夠的條件下,可以以任意精度逼近任意一個(gè)具有有限個(gè)間斷點(diǎn)的函數丙此我們可以22反應前后電導率差值與溫度的關(guān)系利用實(shí)驗測的的數據對建立好的網(wǎng)絡(luò )進(jìn)行訓練,使得訓練好反應前后電導率差值與溫度的關(guān)系如圖3所示,由圖可的網(wǎng)絡(luò )能夠實(shí)現聚乙二醇的羧基化率的預測。知,反應前后溶液的電導率變化值開(kāi)始隨溫度的升高而增14反應條件大隨后到達一最大值后,當再升高溫度時(shí),電導率變化值就文章主要考慮了反應時(shí)間反應溫度反應體系的pH會(huì )隨著(zhù)溫度的升高而降低。此電導率變化的最大值所對應的反應物配比等幾個(gè)反應條件對聚乙二醇羧基化的影響,其中溫度大約在40℃附近。所以由此可得出此反應的最佳溫度反應時(shí)間的變化范圍為10-220mn;反應溫度變化范圍為為40℃。3070℃;pH變化范圍為7-l1;配比變化范闈為05-30。依次改變上述幾種反應條件我們測得了30組不同條件下反應前后反應體系的電導率變化值15BP神經(jīng)網(wǎng)絡(luò )模型的建立文章以上述不同反應條件下的30組數據為訓練樣本,其中各不同反應條件為輸入電導率差值為輸出。數據格式存儲為矩陣形式。采用mlab語(yǔ)言編寫(xiě)具有兩層結構的BP神經(jīng)網(wǎng)絡(luò ),其結構如圖1所示圖3反應前后電導率差值與溫度的關(guān)系圖2009年37卷第2期廣州化工表1神經(jīng)網(wǎng)絡(luò )仿真輸出值和實(shí)驗實(shí)測值及相對誤差網(wǎng)絡(luò )仿真值l2028043960.78880.9402實(shí)驗實(shí)測值L210.44相對誤差%0.5950009090.151900213網(wǎng)絡(luò )仿真值1.17811.24261.31921.3984l4002實(shí)驗實(shí)測值1.81.33相對誤差%0.16100.2097081201.333313944網(wǎng)絡(luò )仿真值141081.18121.2971實(shí)驗實(shí)測值1,42L.14相對誤差%l831006479-3.61401.335920308網(wǎng)絡(luò )仿真值1.22531.21021.1798167621.9503實(shí)驗實(shí)測值1.18相對誤差隔%0.38210.0165001690.0154網(wǎng)絡(luò )仿真值145040.88850.28290.75841.0814實(shí)驗實(shí)測值0.8972103相對誤差隔%002760.1685-1.0357533334.9903網(wǎng)絡(luò )仿真值129710.97451.0.7032實(shí)驗實(shí)測值1.311.031.140.73相對誤差隔%098475.37860.23810096500274通過(guò)實(shí)驗數據對建立好的網(wǎng)絡(luò )進(jìn)行訓練設定目標誤差的pH值約為85由此說(shuō)明了當溶液的pH值為85時(shí),聚乙小于0001,以L(fǎng)-M優(yōu)化算法對網(wǎng)絡(luò )進(jìn)行訓練,訓練的誤差變二醇的羧基化率最高?；€(xiàn)如圖6所示。由圖6可知,當訓練步數為126步時(shí)網(wǎng)24反應前后電導率差值與反應物配比的關(guān)系絡(luò )性能達標,當前誤差為000098525。訓練好的網(wǎng)絡(luò )根據網(wǎng)反應前后電導率差值與聚乙二醇量的關(guān)系如圖5所示絡(luò )參數權重自動(dòng)生成仿真輸出。網(wǎng)絡(luò )訓練輸出和實(shí)驗數據值圖可知,當保持高錳酸鉀的量及其他條件不變時(shí),反應前分別如表1所示。后溶液的電導率的變化值隨著(zhù)聚乙二醇量的增加呈現先增23反應前后電導率差值與pH值的關(guān)系大后減小,電導率變化的最大值對應的聚乙二醇的量為20g,此時(shí)聚乙二醇與高錳酸鉀的質(zhì)量比為2:25BP神經(jīng)網(wǎng)絡(luò )訓練誤差變化和網(wǎng)絡(luò )預測性能7075808.5909.510010.5110115圖4反應前后電導率差值與pH值的關(guān)系圖051015202530反應前后電導率差值與pH值的關(guān)系如圖4所示,由圖知,反應前后溶液的電導率的變化值隨著(zhù)pH值的增大呈圖5反應前后電導率差值與聚乙二醇量的關(guān)現出先增大后減小的變化趨勢電導率變化的最大值所對應廣州化工2009年37卷第2期alysis of FIA signals [] J. Biotechnolo99865l}15-222】張卓勇劉思東曾憲津人丁神經(jīng)網(wǎng)絡(luò )方法校正CPAE中重練誤差曲線(xiàn)疊光譜干擾門(mén)光譜學(xué)與光譜分析997,17(57-81B3]王勇張卓勇劉思東等分析化學(xué)中的非線(xiàn)性校準分析化學(xué)目杯線(xiàn)1998.26{9:1146-1郭曄茍玉慧湯真人工神經(jīng)網(wǎng)絡(luò )近紅外光譜法用于粉末藥品美的康的非破壞定量分析門(mén)分析化學(xué)2001.291)12120406080100120]湯真劉富強茍玉慧等粉末藥品安體舒通的無(wú)損定量分析人126 Epochs工神經(jīng)網(wǎng)絡(luò )-近紅外光譜法的應用分析測試學(xué)報2001,203)62-6圖6BP神經(jīng)網(wǎng)絡(luò )訓練誤差變化曲線(xiàn)間6方慧生相秉仁安登魁人工神經(jīng)網(wǎng)絡(luò )在蛋白質(zhì)二級結構預測中的應用門(mén)藥學(xué)進(jìn)展1996,20(1)-1由兩者的差值可以看出仿真輸出和實(shí)驗數據之間的差7孫之榮饒小謙用人工神經(jīng)網(wǎng)絡(luò )方法預測蛋白質(zhì)超二級結構門(mén)值最大的也只有00554,相對誤差也就只有538%左右也生物物理學(xué)報,1995114570574就是說(shuō)網(wǎng)絡(luò )預測值和實(shí)驗實(shí)測值的吻合程度達到了%4%以8]蔡文生于芳部學(xué)廣等基于小波神經(jīng)網(wǎng)絡(luò )的新型算法用于化學(xué)信號處理]高等學(xué)?；瘜W(xué)學(xué)報20021(6855-859上。仿真輸出和實(shí)驗數據之間的最小相對誤差只有0015491張立安楊建麗劉振宇等人工神經(jīng)網(wǎng)絡(luò )用于煤直接液化反應%,即吻合程度達到了999846%。而且大多數相對誤差都在模擬的研究門(mén)計算機與應用化學(xué)916:459-462%以?xún)日f(shuō)明采用BP神經(jīng)網(wǎng)絡(luò )實(shí)現反應程度的預測是非常10聶秀榮陳丙珍李有潤人工神經(jīng)網(wǎng)絡(luò )用于蒸汽動(dòng)力系統的故障診斷門(mén)計算機與應用化學(xué)1995295-98[l王國慶葛虹許培援等神經(jīng)網(wǎng)絡(luò )用于合成條件的預測及優(yōu)化參考文獻門(mén)計算機與應用化學(xué)997,142139-142HitamannB, Ritka A, ULber Retc Neural network as a modeling tool···≈…·······小心·?！ぁぁぁ·合···(上接第59頁(yè))后,用于脫除FA產(chǎn)品氫氣中微量雜質(zhì)如US3142547,1964N2Ar等,進(jìn)一步純化氫氣。純化后氫氣純度可達9999%4湯洪變壓吸附裝置中均壓設計的討論識化工設計,2003,13以上嗎,高于電解氫氣的純度,可用于需高純氫氣的特殊場(chǎng)S]周理,呂昌忠,邊守軍等.非耦聯(lián)吸附塔新變壓吸附工藝的實(shí)驗研究2003,545)639-6444結語(yǔ)6]楊皓,張佳平.變壓吸附氣體分離方法四P中國專(zhuān)利隨著(zhù)變壓吸附制氫工藝的發(fā)展和聯(lián)合工藝的開(kāi)發(fā)氫氣CN25115A.2000⑦7楊皓.一種增加變壓吸附工藝均壓次數的方法四中國專(zhuān)利,的回收率和氫氣純度都得以提高我們可以更好地發(fā)掘和利用氫氣資源。但由于每種工藝都有其自身的特點(diǎn)變壓吸附圖]李潔.5000變壓吸附氫提純裝置的設計俱天然氣化工,工藝流程的選擇必須根據實(shí)際需要和投資經(jīng)濟性來(lái)綜合考2000.25(4:37-39[9] Denis JC. David GD, Les J. Rotary pressure swing adsorptionparatus(P). US6406523. 2002.參考文獻[10] Ondrey, Gerald. A fast PSA technology to be trialed at a petroleumrefinery[J. Chemical Engineering, 2006. 9(1): 31MP. The hydrogen ee[l席常怡宏膜分離-變壓吸附聯(lián)合工藝生產(chǎn)燃料電池氫氣俱上D needs[M]. Washington: The National Academy Press, 2005.?；?2006,31(1)26-282焦書(shū)建采用變壓吸附技術(shù)回收煉油廠(chǎng)裝置尾氣中的氫氣門(mén)recovery from refinery offgases]) Hydrocarbon Processing 1996, 75石油化工,2006,354350-35311)55-59[3] Marsh WD, Pramuk FS, Hoke RC, Skarstrom CW. Pressure[3]李欣王剛科學(xué)利用提純技術(shù)優(yōu)化氫氣資源小化工設計通訊006,32(3155-58Equalization Depressuring in Heatless Adsorption [PL U.S. Patent,