摘要：填料塔中伴随有化学反应的二氧化碳吸收是一个极其复杂的工艺过程,涉及到流体力学、传质、传热、热力学和动力学等方面的内容。虽然文献中已有大量关于传质关联式的报道,但这些关联式都基于一定的理论假设,适用范围和准确度也不尽相同。对于一些较复杂的工程问题,由于各参数之间的关系很难确定,使用传统数值模型很难达到所需要的预测要求反向传播网络（BPNN）是一种基于误差梯度下降算法的神经网络模型,是目前应用最为广泛的神经网络模型之一,具有强大的逼近任意线性或非线性函数的能力。本文以单乙醇胺（MEA）吸收CO2的传质性能作为研究对象,以对传质性能有影响的各操作参数为输入变量（如气液比、吸收剂浓度、CO2分压等）,以传质速率为输出变量,使用BPNN预测传质速率。本文还通过灵敏度分析各参数对传质速率的影响大小。通过将预测结果与实验数据比较,可以看出该模型有较好的预测结果,这表明该方法能很好的预测填料塔中CO2的吸收传质性能。
会议名称：
2013中国化工学会年会
会议时间：
2013-09-23
会议地点：
中国江苏南京
- 专辑：
工程科技Ⅰ辑; 工程科技Ⅱ辑
- 专题：
无机化工; 有机化工; 工业通用技术及设备
- 分类号：
TQ021
引文网络
- 参考文献
- 引证文献
- 共引文献
- 同被引文献
- 二级参考文献
- 二级引证文献
相关推荐
- 相似文献
- 读者推荐
- 相关基金文献
- 关联作者
- 相关视频
