论文部分内容阅读
超临界流体（Supercritical fluids,SCF）在石油化工中主要应用于超临界萃取技术,如超临界流体萃取多环芳香烃（Polycyclic Aromatic Hydrocarbons,PAH）。PAHs是一种烃类化合物,其分子结构中含有两个或两个以上的苯环结构。而在超临界萃取过程中,PAHs在SCF中的溶解度是进行萃取参数选择和设备操作的关键。超临界CO2（SCCO2）是SCF中最常见的一种流体,它无毒、不爆炸、价格相对低廉。目前,确定PAHs在SCCO2中的溶解度的方法主要有实验法、状态方程法、半经验缔合模型和智能模型。实验测定溶解度较准确,但耗时费力、成本较高。状态方程法需要溶质的临界参数,很多情况下溶质的临界参数并不清楚。针对此问题,基于分子缔合理论,建立溶解度半经验模型,采用支持向量机（Support Vector Machine,SVM）和遗传算法（Genetic Algorithms,GA）以及灰狼算法（Grey Wolf Optimization,GWO）相结合的方法。建立溶解度模型,主要认识如下:（1）基于Chrastil模型和改进的Chrastil模型,提出了新的五参数和六参数的半经验缔合模型,关联了 PAHs在SCCO2中的溶解度。并与国外公开发表的17种半经验缔合模型进行对比,结果表明新模型误差较低（AARD=7.53%,7.57%,8.01%）,能很好的计算PAHs在SCCCO2中的溶解度。（2）采用支持向量机（SVM）和遗传算法（GA）相结合的方法,建立了 PAHs在SCCO2中的溶解度模型（GA-SVM）。运用PAHs在SCCO2中的470个实验溶解度数据,对GA-SVM模型进行了训练（329个）和预测（141个）。结果表明:GA-SVM模型能较好地预测PAHs在SCCO2中的溶解度,绝对相对偏差（AARD）最小为5.78%,最大7.77%,平均为5.94%。最后对新模型进行了验证及有效性评价,建立了模型适用的温度和压力范围:温度308.15～348.15 K,压力7.98～35.59MPa。（3）采用支持向量机（SVM）和灰狼算法（GWO）相结合的方法,建立了 PAHs在SCCO2中的溶解度模型（GWO-SVM）。运用PAHs在SCCO2中的9种物质（共888个实验溶解度数据）,对GWO-SVM模型进行了训练（626个）和预测（262个）。结果表明:GWO-SVM模型能较好地预测PAHs在SCCO2中的溶解度,AARD 最小为0.27%,最大7.51%,平均为2.64%。最后对新模型进行了验证及有效性评价,建立了模型适用的温度和压力范围:温度308.05～348.15 K,压力7.83～35.59MPa。（4）在同一温度和压力条件下,选取精度较高的半经验缔合模型、GA-SVM模型和GWO-SVM模型进行对比分析,优选出精度最高的模型:GWO-SVM模型（AARD=1.42%）。该模型泛化能力强、准确度高,尤其适用于等温低压条件,同时能够为模型在油田应用提供一种实用方法。