ANN与VA技术用于超临界流体提取南瓜子油工艺研究.ppt

1、ANN与VA技术用于超临界流体提取南瓜子油工艺研究,答辩人 ：张 晓 导师： 孙益民 教授,南瓜子产品的综合开发与利用日益受到国内及世界发达国家的普遍重视, 开发南瓜子系列产品具有广阔的国际和国内市场, 前景一十分诱人。目前,我国是世界上南瓜产量第二大国,兼有原料充足，劳动力廉价等诸多优势,具有占领国际市场的能力。因此，优化南瓜子油提取工艺,以低成本获得高品质的南瓜子油意义重大。 本实验安排4个因素，每个因素考察10个水平。在同等实验安排下，若采用枚举法进行系统全面研究，则需要做10000次实验，按每天做两个试验计算，则需要花费13.69年。,研究背景及意义,一、采用超临界CO2萃取法萃取。

2、二、运用多因素多水平试验设计法(m2VD)安排试验，试验安排4个因素，每个因素考察10个水平。 三、采用本课题小组自主提出的多因素多水平可视化分析方法(m2VA)，对多维空间试验数据进行分析，最终找出最佳工艺参数，为工业化生产提供依据。,研究创新点,优势： 选择性好； 可在近常温下操作，适用于热敏性物质； 提取速度较快； 溶质和溶剂分离彻底且容易； 溶剂CO2具有不可燃、无毒、价廉易得等。,超临界二氧化碳流体萃取法,超临界二氧化碳提取南瓜子油流程图,南瓜子油多因素多水平试验设计(m2VD)与实验结果,可视化分析法-Visual Analysis,横坐标,纵坐标,贯穿度,0.5维,VA法通过将试

3、验数据与考察变量绘成多幅2.5维图的方式，同时考察两种不同的影响因素与指标之间的关系，然后从数幅图中找出最佳工艺的优化区域。,工艺优化区域,南瓜子油实验工艺优化区域的确定,图中的“点”表示了实验工艺参数的设定值，根据可视分析方法要求及为了分析方便，此处实验指标分为2类，第一类（）代表南瓜子油提取率PR10.0%，在图中取值1，第二类（）代表南瓜子油提取率PR10.0%。,提取压力最佳范围的确定,图中提取压力在大约17.5-30MPa的区域里，分别以提取温度、提取时 间、分离1压力为另一个参考因素，南瓜子油提取率受提取压力的影响度深，并在此提取压力范围内南瓜子油提取率高。,结论： 从经济角度和安

4、全方面考虑，因此提取压力可以考虑在17.5 30MPa的区域里偏低压区域内实行。,提取温度最佳范围的确定,以提取温度为横坐标，分别以提取压力、提取时间和分离1压纵力为纵坐标，将实验数据绘成2.5维图，反映了在此不同考察因素条件下提取温度对南瓜子油提取率的影响情况。 结论：提取温度的最佳范围为2531和4453.5时 。实际操作时应尽量采用低温，即选用萃取温度T为2531为宜,提取时间最佳范围的确定,以提取时间为横坐标，分别以提取压力分离1压力提取温度为纵坐标作图，在此不同因素条件下考察提取时间对南瓜子油提取率的影响。 结论：提取时间的最佳范围为4280min和98140min ，从经济角度考虑

5、，选择4280min 更合适。,分离1压力最佳范围的确定,以分离1压力为横坐标，分别以提取压力提取温度提取时间为纵坐标，将实验数据绘成2.5维图，反映了在此不同考察因素条件下分离1压力对南瓜子油提取率的影响。 结论：分离1压力的最佳范围为4.04.8MPa 和5.87.6MPa ，从经济和安全的角度考虑，选择 4.04.8MPa成本会更低。,结论,以提取压力提取温度提取时间分离1压力为试验因素，运用多因素多水平试验设计法对南瓜子油的提取工艺进行考察，以南瓜子油提取率为试验指标，采用多因素多水平可视分析方法分析试验数据，最终找出最佳工艺范围为：提取压力为17.530MPa，分离1压力为4.04.

6、8MPa，提取温度为2531，提取时间为4280min。,人工神经网络-Artificial Neural Networks,人工神经网络作为人工智能的理论基础，能够有效地考察实验条件间的交互作用，是迄今为止最强大的非线性科学武器，具有强大的处理非线性问题的能力。 试验的结果没有整齐可比性，大多数文献报道试验结果通常用多因素多水平线性回归分析或逐步回归分析的方法来筛选变量，建立定量关系。然而提取率与提取工艺条件之间是一种复杂非线性关系，加之提取条件间存在交互影响，如果工艺条件多，结果分析很难做到科学合理。 论文采用人工神经网络技术研究试验结果，分析系统的规律。,建立人工神经网络模型,试验数据采

7、用三层的拓扑结构为4-3-1的误差反向传播模型(Back-Propagation，即BP)建立描述南瓜子油提取的人工神经网络辨识模型。 网络输入层的节点数即为工艺中影响因素的数量，试验为4个影响因素故有4个输入节点；网络输出层的节点数是试验评价指标，亦即优化工艺预报的对象。本工作的输出节点数为1。 本文中隐藏层的节点数经过反复试验计算，确定其数量为3，此数值较小，建立的模型健壮性强。,人工神经网络模型计算公式,采用的Sigmoid函数与lin函数的计算公式如下：其中 i=1,2,m; j=1, 2, , M,留二法,BP网络具有学习功能，每次以随机抽取的8(=102)组试验数据进行训练，其余2

8、组试验数据用于测试模型质量。此法为本研究小组提出，称为“留二法”（leave-two-out）。 在训练过程中可以根据计算误差调整权重，当误差达到106时，记录当前权重值和偏置值，构成模型网络，训练次数为67次。,人工神经网络参数,Table 1 Connection between hidden layer and input layer,Table 2 Bias and connection between output layer and hidden layer,人工神经网络模型的实验验证,Table 3 Error between extracting rate of experim

9、ental data and calculated data,ANN分析工艺中南瓜子油提取率影响因素分析方法,为了使实验研究更具有系统性，更快找出优化工艺，采用了五段分析法，对南瓜子油的提取工艺进行研究。即将提取压力、提取温度、提取时间和分离1压力四个参数的试验最小值至试验最大值均匀分成三段，然后取每一段的算术平均数值，这样将四个实验参数的范围分为五个水平：试验最低水平、低水平、中水平、高水平、试验最高水平，利用已训练成功的人工神经网络模型对这些参数组合进行较为系统的研究。 此种方法既高度保持了多因素多水平试验设计的 “均匀”特性，又使得研究工艺范围广，研究范例具有“均匀”性、系统性。,萃取温

10、度为高温时提取压力对南瓜子油提取率的影响,萃取温度为高温时提取压力对南瓜子油提取率的影响,萃取温度为高温时提取压力对南瓜子油提取率的影响,萃取温度为高温时提取压力对南瓜子油提取率的影响,萃取温度为高温51条件下，萃取压力从4MPa-8MPa范围内，萃取时间为实验中短时间时，萃取压力22MPa左右时，南瓜子油的萃取率较高。,萃取温度为高温时提取压力对南瓜子油提取率的影响,萃取时间为短时间条件下萃取压力对南瓜子油萃取率的影响,萃取时间为短时间条件下萃取压力对南瓜子油萃取率的影响,萃取时间为短时间条件下萃取压力对南瓜子油萃取率的影响,萃取时间为短时间条件下萃取压力对南瓜子油萃取率的影响,萃取时间为短

11、时间条件下萃取压力对南瓜子油萃取率的影响,萃取时间为实验短时间30min条件下，南瓜子油萃取率比较高的区域是萃取压力取实验高压、中压和实验低压情况，萃取温度为高温60左右，萃取压力在27Mpa左右时，南瓜子油萃取率最高达21.5%-30.8%。,萃取压力为高压条件下萃取时间对南瓜子油萃取率的影响,萃取压力为高压条件下萃取时间对南瓜子油萃取率的影响,萃取压力为高压条件下萃取时间对南瓜子油萃取率的影响,萃取压力为高压条件下萃取时间对南瓜子油萃取率的影响,萃取压力为高压条件下萃取时间对南瓜子油萃取率的影响,萃取压力为实验高压25Mpa条件下，萃取时间从30min-180min范围内，分离1压力为实验

12、低压，萃取时间为中短时间时，南瓜子油萃取率较高，最大萃取率达28%。,人工神经网络用于南瓜子油提取工艺优化,利用训练成功的人工神经网络模型优化了南瓜子油提取工艺参数，下文列举了工艺参数组合。 提取率5%以下工艺组合(共发现712组) 提取率5%-10%工艺组合(共发现144组 ) 提取率10%-15%工艺组合(共发现160组 ) 提取率15%-20%工艺组合(共发现314组) 提取率20%以上工艺组合(共发现875组),主要因素影响优化研究,在工业生产中，采用超临界二氧化碳提取南瓜子油的工艺时，提取压力和提取温度影响较大，因此对这两个主要影响因素下提取南瓜子油进行验证实验研究。,我们可以得到，

13、当分离压力和萃取时间一定，所有萃取温度范围内，萃取压力选取50 MPa55MPa范围时我们可找到最优化区间，此时南瓜子油提取率最高。,随着科学技术的发展和人们生活水平的提高，营养健身油产品会越来越受到人们的青睐，市场需求量也会大幅度增加。 研究对植物有效成分提取工艺参数进行控制和设计是非常有价值的，把实验室提取物的实验条件放大，应用于工厂企业中，将会具有更高的实用价值和经济效益。同时，对其进一步的实际应用将推进植物有效成分提取实验室研究、中试研究和工业化研究进程，并实现对人类健康事业的贡献。,展望,值此论文完成之际，谨向我的导师孙益民教授致以衷心的感谢！ 感谢化学与材料科学学院的领导和老师们给予的支持和帮助。 感谢本课题组师姐贾娜，颜佳以及钟明，胡献琴，陈海娟，翟春海的帮助和支持。 感谢我的家人和所有帮助关心过我的老师、同学和朋友。,致 谢,1、超临界二氧化碳提取南瓜籽油影响因素研究J.应用化工,2013,42(2)：213-217. 2、基