应用BP神经网络（BPNN）对超临界CO2萃取油茶籽油过程进行了模拟和预测 。 研究了神经网络的构建、训练以及学习算法和隐含层结构的优化,并用得到的神经网络对不同原料平均粒径（0.215～0.625 mm）、压力（30～35 MPa）、温度（35～50℃）、CO2流量（20～25 L/h）条件下的油茶籽油收率进行预测 。 结果表明：L-M算法是适宜的BP神经网络学习算法;具有5/8/1结构的BP神经网络的模拟性能最优;模型的预测值与实验结果吻合较好,大部分数据的相对误差小于3%,说明BP神经网络适用于超临界CO萃取油茶籽油过程的模拟 。 【BP神经网络对超临界CO_2萃取油茶籽油过程的模拟】完成机构：[1]福建农林大学材料工程学院,福建福州350002 [2]福建农林大学资源与环境学院,福建福州350002
推荐阅读
- 竹材木质素在细胞壁中的微区分布
- 油茶林分光合特性的研究
- 茶酒酿造过程中酵母菌的分离和鉴定
- 抖音标题怎么能超过55个字？咋制作有创意的标题？
- CAD画钩子。。标注都对怎么画出的图还是和原图不一样。
- 斯里兰卡茶叶生产、加工与销售及对中国的启示
- 断食的好处 断食对身体有好处吗？
- 都市爽文，如执掌神权，都市超级召唤师等，主角超越常人，轻松升级，扮猪吃老虎
- 石英矿对人体有什么危害
- 集结号 邓超踩地雷