Optimization of Process Conditions for Styrene Epoxidation Based on the Artificial Intelligence Method
Optimization of Process Conditions for Styrene Epoxidation Based on the Artificial Intelligence Method
复制标题
基于人工智能方法的苯乙烯环氧化工艺条件优化
DOI：
10.1002/ceat.201800018
复制
发表时间：
2019-06
影响因子：
2.1
通讯作者：
Wang Zhili
中科院分区：
文献类型：
--
作者：
Huang Kai;Lv Fei;Wu Dongfang;Wang Zhili
提出了一种基于改进广义回归神经网络（GRNN）和粒子群优化（PSO）算法的苯乙烯环氧化反应预测和优化方法。该模型的目的是优化五个输入参数反应温度和时间以及催化剂，溶剂和氧化剂的用量。将改进的GRNN的输出提供给PSO算法来优化工艺条件。从交叉验证误差最小的训练样本中选取GRNN的最优平滑参数σ。在优化的5个工艺条件下，最高收率达95.76%。该改进的GRNN混合粒子群算法的创新模型被证明是一个有用的工具，苯乙烯环氧化反应的工艺条件优化。
A novel prediction and optimization method based on improved generalized regression neural network (GRNN) and particle swarm optimization (PSO) algorithm is proposed to optimize the process conditions for styrene epoxidation to achieve higher yields. This model was designed to optimize the five input parameters reaction temperature and time as well as catalyst, solvent, and oxidant dosage. The output of the improved GRNN was given to the PSO algorithm to optimize the process conditions. The optimal smoothing parameterσof GRNN was chosen from the training sample with a minimum cross validation error. Under the five optimized process conditions the maximum yield reached 95.76 %. This innovative model of improved GRNN hybrid PSO algorithm proved to be a useful tool for optimization of process conditions for styrene epoxidation.
登录
查看更多内容
影响因子：
6.1
作者：
M. Khajeh;K. Dastafkan
通讯作者：
M. Khajeh;K. Dastafkan
影响因子：
3.6
作者：
G. Payne;P. Deming;Paul H. Williams
通讯作者：
G. Payne;P. Deming;Paul H. Williams
影响因子：
4.9
作者：
T. Seki;Kazumasa Akutsu;H. Hattori
通讯作者：
T. Seki;Kazumasa Akutsu;H. Hattori
新型非均相多金属氧酸盐催化剂过氧化氢催化烯烃环氧化
影响因子：
3.7
作者：
Zhao, Wei;Zhang, Zhenxin;Ding, Yong;Ma, Baochun
通讯作者：
Ma, Baochun
影响因子：
7.3
作者：
Y. Mahha;L. Salles;J. Piquemal;E. Briot;A. Atlamsani;J. Brégeault
通讯作者：
Y. Mahha;L. Salles;J. Piquemal;E. Briot;A. Atlamsani;J. Brégeault