基于改进bp神经网络的中药水提液陶瓷膜污染预测研究

《基于改进bp神经网络的中药水提液陶瓷膜污染预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于改进BP神经网络的中药水提液陶瓷膜污染预测研究摘要：目的为防治中药水提液陶瓷膜纯化过程中的膜污染问题，探索预测污染度的新方法。方法对BP神经网络模型进行改进，利用隐含层最佳神经元数目的快速确定方法、BP神经网络权值和阈值的快速寻优算法，建立中药水提液陶瓷膜污染预测模型，对207组中药水提液数据进行网络训练和预测。结果与多元回归分析、基本BP神经网络、RBF神经网络等模型相比，应用改进BP神经网络模型进行预测实验的拟合误差更小，均方误差仅为0.0057；此外，改进BP神经网络模型的性能更加稳定，在20次随机运行实验中达到预设目标的成功率高达95%。�Y论改进模型具有很好的

2、网络性能、拟合效果和预测能力，能够稳定准确地预测膜污染度。中国6/vie　　关键词：中药水提液；膜污染；BP神经网络；隐含层神经元；遗传算法　　DOI：10.3969/j.issn.1005-5304.2017.04.023　　中图分类号：R2-05；R284.2文献标识码：A：1005-5304（2017）04-0092-05　　StudyonForecastingCeramicMembraneFoulinginTCMExtractsBasedonImprovedBPNeuralNetationTechnology，NanjingUniversityofChineseMe

3、dicine，Nanjing210023，China）　　Abstract：ObjectiveTopreventandtreatofceramicmembranepurificationofmembranefoulingprocessofTCMextracts；Toexploreneethodsofforecastingmembranefoulingdegree.MethodsBPneuralodelproved.Methodstofastdeterminetheoptimalnumberofneuronsinthehiddenlayerandfastalgorithmfo

4、roptimizingtheodelsofmultipleregressionanalysis，basicBPneuralprovedBPneuralodelodel，andthemeansquareerrorprovedBPneuralodelperformanceorestable.Inthe20randomrunningexperiments，thegoalofthesuccessrateachievedupto95%.ConclusionTheimprovedmodelhasagoodance，thefittingeffectandpredictionability

5、，andcanforecastthefoulingdegreeofmembranestablyandaccurately.　　Keyembranefouling；BPneural　　中药水提液的纯化技术是中药制剂前处理中应用最多的工艺方法之一。陶瓷膜因具有耐高温、化学性质稳定、抗污染性强、机械强度高等优点[1]，被广泛应用于中药水提液的纯化过程。然而，膜污染是制约陶瓷膜精制中药的关键问题。　　膜污染是指由于被过滤液中的微粒、胶体离子、溶质分子与膜存在物理化学作用而引起的各种粒子在膜表面或膜孔内吸附或沉积，造成膜孔堵塞或变小并使膜的透过流量与分离特性产生不可逆变化的一种现象[

6、2]。中药水提液组成复杂，是一种含有悬浮的固体微粒、胶体粒子和完全溶解溶质分子的复杂混悬体，在分离过滤操作时膜极易被污染，造成膜通量锐减[3-4]。目前，中药水提液陶瓷膜膜污染机理尚不明确，过滤过程缺乏系统性理论指导及有效的膜污染控制手段。　　中药水提液陶瓷膜膜污染是多种复杂因素综合作用的结果，具有较强的不确定性，难以采用特定函数模型描述。要实现对膜污染的准确预测，需要建立合理实用的预测模型。BP神经网络是近年被广泛应用的一种模拟人脑神经系统结构和功能的人工智能方法，是一种解决非线性、不确定性问题的数学模型，具有连续传递函数的多层前馈人工神经网络，训练方式为误差反向传播算法

7、，并以均方误差最小化为目标不断调整网络的权值和阈值，最终能高精度地拟合数据[5]。BP神经网络具有较强的学习和适应能力，适合针对中药水提液复杂系统建模，在处理具有非线性特点的中药水提液陶瓷膜膜污染预测问题方面，比一般的线性、非线性模型更有优势。