计算机与应用化学
計算機與應用化學
계산궤여응용화학
COMPUTERS AND APPLIED CHEMISTRY
2001年
1期
79-83
,共5页
神经网络%液体空气%汽液平衡
神經網絡%液體空氣%汽液平衡
신경망락%액체공기%기액평형
汽液平衡计算是精馏塔模拟计算中重要的组成部分。以液体空气汽液平衡计算为研究对象，利用神经网络技术，建立了总压（P）和各组分液相组成(X1、X2、X3)为输入节点，3种不同参数作为输出节点。(1)平衡温度(T)、各组分汽相组成(Y1、Y2、Y3)；(2)平衡温度(T)、各组分平衡常数(K1、K2、K3)；(3)平衡温度(T)、汽相氮组成(Y1)及氩、氧平衡常数(K2 、K3)）的BP神经网络模型。通过计算比较，第三种参数作为输出节点的液体空气汽液平衡计算模型，不仅具有良好的学习能力，而且预测结果也比较满意。对进一步研究并应用于空分塔模拟计算具有一定的指导意义。
汽液平衡計算是精餾塔模擬計算中重要的組成部分。以液體空氣汽液平衡計算為研究對象，利用神經網絡技術，建立瞭總壓（P）和各組分液相組成(X1、X2、X3)為輸入節點，3種不同參數作為輸齣節點。(1)平衡溫度(T)、各組分汽相組成(Y1、Y2、Y3)；(2)平衡溫度(T)、各組分平衡常數(K1、K2、K3)；(3)平衡溫度(T)、汽相氮組成(Y1)及氬、氧平衡常數(K2 、K3)）的BP神經網絡模型。通過計算比較，第三種參數作為輸齣節點的液體空氣汽液平衡計算模型，不僅具有良好的學習能力，而且預測結果也比較滿意。對進一步研究併應用于空分塔模擬計算具有一定的指導意義。
기액평형계산시정류탑모의계산중중요적조성부분。이액체공기기액평형계산위연구대상，이용신경망락기술，건립료총압（P）화각조분액상조성(X1、X2、X3)위수입절점，3충불동삼수작위수출절점。(1)평형온도(T)、각조분기상조성(Y1、Y2、Y3)；(2)평형온도(T)、각조분평형상수(K1、K2、K3)；(3)평형온도(T)、기상담조성(Y1)급아、양평형상수(K2 、K3)）적BP신경망락모형。통과계산비교，제삼충삼수작위수출절점적액체공기기액평형계산모형，불부구유량호적학습능력，이차예측결과야비교만의。대진일보연구병응용우공분탑모의계산구유일정적지도의의。
Gas-liquid equilibrium calculation is important in the simulation of distillati o n. A BP neural network model is developed, where the total pressure and liquid p hase compositions are taken as input nodes. Three different kind of parameters c an be output nodes, which are (1) equilibrium temperature and gas phase composit ions, (2) equilibrium temperature and equilibrium constants, and (3) equilibrium temperature, nitrogen composition of gas phase and equilibrium constants of arg on and oxygen. The results show that the better recalling ability and satisfied predictions can be obtained with the model for liquid air developed in this pape r. It has certain sense for further study and application to the simulation of a ir distillation tower.
