三元分子体系的过量摩尔体积：基于人工神经网络的表达和预测

以二元混合物体系的实验数据为基础，通过神经网络表达混合物组成与过量摩尔体积的定量关系，进而推测三元混合物体系和过量摩尔体积，本文研究了１６个极性和非极性混合物体系，对其对摩尔体系的预测结果优于Ｒａｓｔｏｇｉ方程的计算结果，表明神经网络可以作为一种推测三元混合物体系过量摩尔体积的工具。     

神经网络用于三元分子混合物密度与粘度的预测

以二元系实验为基础，利用反向转播算法训练神经网络，构造混合物组成，温度等与物性关系的模型，用于对４个三元混合物体系（１）邻二甲苯－间二甲苯－对二甲苯；（２）四氯化碳－环己烷－２－丙醇；（３）甲醇－丙酮－水；（４）水－甲醇－乙二醇的密度和５个三元混合物体系（１）信甲苯－间二甲苯－对二甲苯；（２）四氯化碳－环己烷－２－丙醇；（３）氯仿－２－丙醇－２－丁醇；（４）甲醇－丙酮－水；（５）乙醇－甲醇－水的粘     

四元体系Na~+/Cl~-、SO_4~(2-)、CO_3~(2-)-H_2O和Na~+、K~+/Cl~-、CO_3~(2-)-H_2O25℃溶解度的计算

本文利用HW公式以盐的溶度积为平衡判据,对四元体系Na~+/Cl~-、SO_4~(2-)、CO_3~(2-)-H_2O和Na~+、K~+/Cl~-、CO_3~(2-)-H_2O以及所包含的三元和二元体系25℃的溶解度和水活度进行了计算,修正和补充了这两个四元体系的实验结果。     

乙酸乙酯-乙醇-水-甘油体系中三元及四元体系的汽液平衡数据测定及推算

设计了液液平衡釜，测定乙酸乙酯-乙醇-甘油、乙酸乙酯-水-甘油及乙醇-水-甘油三元体系的VLE数据；以Wilson方程为平衡模型，由两对二元模型和三元体系的VLE实验数据关联第三对模型参数；测定乙酸乙酯-乙醇-水-甘油体系的VLE数据，由二元模型参数及三元体系的VLE实验数据计算乙酸乙酯-乙醇-水-甘油体系的VLE数据并与实验数据比较；本文测定结果及计算结果为乙酸乙酯-乙醇-水、乙酸乙酯-乙醇体系的萃取分离模拟计算及试验提供基础数据。     

离子选择性电极法测定汞（Ⅱ）—氨基酸三元络合物稳定常数的研究

汞是对人体有害的极毒元素。氨基酸是构成蛋白质的基本单元,并参与人体新陈代谢和各种生理活动,在生命中有特殊作用。在人体内汞能与氨基酸中氨基、羟基、羧基及巯基等起作用,并阻碍其活性。因此,研究和测定汞(Ⅱ)与氨基酸络合物的稳定常数,对于环境科学、医学、生物化学及分析化学都是有实际意义的。汞(Ⅱ)与氨基酸络合物稳定常数的测定前人已采用 pH 电位法,但所测得的都是2元络合物。对于3元络合物的研究甚为少见。本文采用汞离子选择性电极测定汞(Ⅱ)—L-甘氨酸—DL-α-氨基丙酸3元络合物的稳定常数,所获得的结果尚未见有报道。测定络合物稳定常数的方法很多,与其它方法相比较,本法具有仪器价廉、操作简便、精密度高和选择性好等特点。     

Na~_,K~+//Cl~-,SO_4~(2-)-H_2O体系25℃溶解度的预测

本文以盐的溶度积为溶解平衡判据,利用HW公式对Na~+,K+//Cl~-,SO_4~(2-)—H_2O体系以及此体系所包括的三元和二元体系25℃的溶解度、水活度进行了计算,结果令人满意。     

基于神经网络的EAST密度极限破裂预测

为了对全超导托卡马克核聚变实验装置(EAST)密度极限破裂进行预测, 根据密度极限破裂的基本特征从2014到2019年放电数据中筛选出972炮密度极限破裂炮, 选取了13种诊断信号为特征作为输入, 分别由多层感知机(MLP)和长短时记忆网络(LSTM)为模型、以破裂概率为模型输出建立破裂预测器对密度极限破裂进行预测实验. 结果表明: 对密度极限破裂炮, 在不同的预警时间下, LSTM的成功预测率(95%)均高于MLP的成功预测率(85%); 而对于非破裂炮, LSTM和MLP的错误预测率相近(8%). LSTM对密度极限破裂的预测性能较MLP有较大的提高. 说明利用神经网络进行EAST密度极限破裂预测以及提高破裂避免和缓解系统响应性能的可行性.     

SRK-WS-COSMOSAC模型关联二元体系汽液平衡

基于量子力学计算的真实溶剂似导体屏蔽模型(COSMO-RS)在预测纯组分饱和蒸汽压、混合物汽液平衡、液液平衡等方面已取得重要进展,但在模型参数的优化方面还不尽人意.COSMO-SAC(segment activity coefficient)活度系数模型是COSMO-RS模型的1种改进形式,在汽液平衡预测方面能够符合热力学一致性.本文通过WS混合规则将COSMO-SAC与SRK状态方程结合应用于二元体系汽液平衡数据的关联,首次利用牛顿-拉夫逊迭代算法获得多个二元体系最优化的二元交互作用系数k12,填补文献空白.在较宽温度和压力范围内对不同类型二元体系(包括烃与烃,烃与醇,烃与酮,烃与酯,以及醇与水等)汽液平衡数据进行关联的结果表明,采用最优化的二元交互作用系数k12后,模型的计算精度大大提高,与实验数据吻合良好.尤其对醇-水等体系,优化后的模型关联精度明显优于文献数据.     

甲酸-水-N-甲基吡咯烷酮体系等压汽液平衡的研究

在常压下测试甲酸-水、甲酸-N-甲基吡咯烷酮、水-甲酸-N-甲基吡咯烷酮的汽液平衡数据。考虑甲酸在汽相中的缔合效应,用维里方程和Hayden-O'connell关联式修正了汽相的非理想性,并用非线性最小二乘法关联前2对二元体系的汽液平衡数据,得NRTL和Wilson方程的模型参数。以NRTL模型参数预测三元体系汽液平衡数据,温度平均偏差为1.76℃,甲酸的汽相平均偏差为0.032 2,水的汽相平均偏差为0.040 4;以Wilson模型参数预测三元体系汽液平衡数据,温度平均偏差为1.66℃,甲酸的汽相平均偏差为0.027 5,水的汽相平均偏差0.011 6,可见2个模型预测值均与实验值吻合良好,而Wilson模型的关联精度较高。     

基于优化的量子门节点神经网络的煤与瓦斯突出预测

为了精准地预测煤与瓦斯突出风险等级,提出了一种基于子维进化的粒子群优化算法(sdPSO)和量子门节点神经网络(QGNN)的瓦斯突出风险等级预测模型sdPSO-QGNN.利用灰色关联分析(GRA)对突出影响因素进行降维处理,将筛选出的主控因素作为QGNN的输入,利用sdPSO对量子门节点神经网络参数进行优化,以提高量子门节点神经网络的全局与局部搜索能力,建立sdPSO-QGNN的瓦斯突出风险等级预测模型,实现对瓦斯突出风险的预测.实验结果表明,与BP(back propagation)神经网络、对称Alpha稳定分布的概率神经网络(SαS-PNN)、免疫粒子群算法优化的支持向量机(IPSO-SVM)、Memetic算法优化的极限学习机(Memetic-ELM)等预测模型相比,所提方法在提升模型泛化能力、提高预测精度方面效果显著.     

自由能微扰法用于α-环糊精对氨基酸的手性识别研究

利用基于NAMD的自由能微扰方法(free energy perturbation,FEP)计算了α-环糊精与4种氨基酸对映体的相对结合自由能。结果表明：计算结果与实验结果可得到相同的结论,即α-环糊精对L型氨基酸具有较高的选择性,且识别能力的顺序与实验结果也基本一致。因此,相对结合自由能计算可作为α-环糊精对氨基酸对映体手性识别的依据。     

101.33kPa下N-甲基乙酰胺+醋酸+水汽液相平衡研究

用改进式Rose釜测定了101.33kPa下N-甲基乙酰胺 醋酸二元体系和N-甲基乙酰胺 醋酸 水三元体系的汽液平衡数据。对N-甲基乙酰胺 醋酸体系VLE数据进行了面积法热力学一致性检验,用NRTL、Wilson、UNIQUAC模型关联得到了相应的模型参数。最后用二元体系的NRTL模型参数推算了所测N-甲基乙酰胺 醋酸 水三元体系的汽液平衡数据。推算结果中,温度的平均偏差为0.94℃,水在汽相中的平均偏差为0.0137。     

基于灰色神经网络的股票指数短期预测

灰色神经网络是GM(1,N)模型与BP神经网络结合的组合模型,比较适合于对小样本数据预测。本文运用灰色神经网络的理论和技术,对股市的上证综指进行了短期预测。实验结果表明,灰色神经网络预测精度优于GM(1,N)模型。     

乙醇-甲苯-水-氟化钾液液平衡数据的测定及关联

实验采用液液平衡釜测定常压下、298.15 K时乙醇-甲苯-水-氟化钾(KF)四元体系的液液平衡数据,计算了水+KF混合萃取剂对乙醇的选择性系数和分配系数,二者都远大于1。采用Rajendran改进的Eisen-Joffe方程对液液平衡数据进行可靠性检验,计算方程的最大标准差为0.05,最低相关系数为0.993。并使用Aspen数据回归模块,采用NRTL模型对实验体系的液液平衡数据进行回归,得到相应热力学模型参数,将实验值与计算值进行对比,绘制了四元体系的拟三元液液平衡相图,结果表明,NRTL模型可以很好的关联实验数据,相对均方根差最大值为1.4626%。     

协溶剂对固体在超临界CO2中溶解度增强效果的关联与预测

为了研究协溶剂对固体在超临界CO2中溶解度增强作用。本文利用PR状态方程,采用拟合两个可调参数(K12和l12)的方法,对酸、芳烃、稠环芳烃、酚、药物和染料六类共27种固体溶质在超临界CO2中的溶解度进行丁关联计算,计算值与实验值的最大平均偏差为9.93％;对超临界CO2／固体／协溶剂三元体系,提出一种直接采用三元系统实验数据拟合3个可调参数(K12,k13,k23)的方法,与Foster和Ting提出的方法相比,计算精度可以大大提高,关联计算的最大平均偏差为4.21％.此外,还提出了一种采用平均可调参数对溶解度进行预测的方法,并对胆固醇和1,4-萘醌的在超临界CO-2中的溶解度进行了成功预测。     

基于数据挖掘的水文时间序列预测

基于灰色理论和灰色神经网络组合预测模型,对水文时间序列进行数据挖掘。对原始序列首先进行了对数-方根变换,使得数据序列满足灰色理论的覆盖条件,采用灰色预测模型GM（1,1）,对数据序列进行预测,由于灰色预测属于线性预测,因此将灰色预测模型与神经网络模型相结合,提高了预测精度。以都江堰岷江来水数据为原始数据进行实际预测,实验证明,这种组合模型的预测效果优于传统预测模型。     

基于量子粒子群优化算法的新型正交基神经网络分数阶混沌时间序列单步预测

针对分数阶混沌时间序列预测精度低、速度慢的问题,提出了基于量子粒子群优化(QPSO)算法的新型正交基神经网络预测模型。首先,在Laguerre正交基函数的基础上提出一种新型正交基函数,并结合神经网络拓扑构成新型正交基神经网络;其次,利用QPSO算法优化新型正交基神经网络参数,将参数优化问题转化为多维空间上的函数优化问题;最后,根据已优化参数建立预测模型并进行预测分析。分别以分数阶Birkhoff-shaw和Jerk混沌系统为模型,利用Adams-Bashforth-Moulton预估-校正法产生混沌时间序列作为仿真对象,进行单步预测对比实验。仿真表明,与反向传播(BP)神经网络、径向基函数(RBF)神经网络及普通的新型正交基神经网络相比,基于QPSO算法的新型正交基神经网络的平均绝对值误差(MAE)、均方根误差(RMSE)明显减小,决定度系数(CD)更接近于1,平均建模时间(MMT)明显缩短。实验结果表明,基于QPSO算法的新型正交基神经网络提高了分数阶混沌时间序列预测的精度和速度,便于该预测模型的应用和推广。     

基于HHGA-RBF神经网络的网络安全态势预测模型

针对网络安全态势感知中的预测问题,提出了采用径向基函数(R13F)神经网络对态势值进行预测的方法。为了提高RI3F神经网络的预测精度,使用混合递阶遗传算法(HHGA)对RI3F神经网络进行训练,获得了神经网络结构参数。实验结果说明了此预测方法的有效性,并通过与已有的预测方法进行对比实验,验证了所提算法在精度方面的优越性。     

常压下丙醛-水-甘油体系汽液平衡测定与关联

采用单循环汽液平衡釜测定了常压条件下丙醛-水的二元以及丙醛-水-甘油三元汽液平衡数据。运用MATLAB中求解非线性最小二乘法问题的函数Lsqnonli,结合丙醛-水的二元汽液平衡实验据,迭代出了Margules、Vanlaar、Wilson和UNIQAC四个方程的二元模型参数。通过计算值和实验值的比较,Wilson方程的相对误差均小于5%,故选择Wilson方程为本体系的适合模型。将测定的丙醛-水-甘油三元汽液平衡数据与模型参数带入Wilson方程求得的三元汽液平衡数据相比较,相对误差均小于5%,由此验证了本文Wilson模型参数的可靠性。本文的测定结果和计算结果为丙醛-水-甘油体系的萃取精馏模拟选择了合适的模型,关联得到的Wilson模型参数,为萃取精馏过程的模拟计算打下基础,同时也为丙醛和水混合液的有效分离提供了一定基础数据。     

基于粒子群优化RBF神经网络原油含水率预测

原油含水率预测对于确定油井水、油层位以及估计原油产量有着非常重要意义。BP神经网络是最近常用的原油含水率预测方法,然而,由于BP神经网络存在容易陷入局部极小值、收敛速度慢等问题,影响了其预测的实用性和准确性,对此,提出基于粒子群优化RBF神经网络(PSO-RBFNN)的原油含水率预测方法,粒子群优化算法用于RBF神经网络参数优化。在分析原油含水率预测的影响因素基础上,建立粒子群优化RBF神经网络的原油含水率预测模型。实验结果表明,在原油含水率预测中,基于粒子群优化RBF神经网络比BP神经网络有着更高的预测精度。