Forecasting Model of Flocculation Process Based on Neural Network

Abstract

42Регрессионный анализ, построение объясняющих регрессионных моделей при исследовании химико-технологических процессов считается дурным тоном. Подходом, заслуживающим одоб-рения, считается построение моделей на базе физических и химических законов -движения, со-хранения, состояния и кинетики. Правда, при этом забывают, что многие устоявшиеся «законы», например, уравнения тепломассообмена и другие модели подобия, получены именно с помощью регрессионного анализа. Да и в уравнениях кинетики вида, например,  C t -зависимость концентрации от времени, n -порядок реакции, k -константа скорости реак-ции, являются регрессионно-дифференциальными уравнениями. Теоретически рассчитать k обычно невозможно, и ее определяют регрессионными методами по данным экспериментов. В частности, при описании процесса флокуляции в составе практически важного и актуаль-ного сейчас для РФ производства калийных удобрений [1, 2] для описания зависимости количе-, кон-станта k которого разными исследователями расшифровывается через параметры флокулянта, ап-парата и условий протекания процесса. Действительно, с точки зрения академической науки важно получить всеобъемлющую математическую модель, обладающую широкой применимостью.Однако на действующих производствах чаще встает задача оптимизации работы конкретно-го, существующего оборудования. Эта оптимизация возможна путем коррекции системы автома-тического регулирования (САР), незначительных конструктивных изменений, небольших изме-нений параметров ведения процесса (заданий САР) и т. п. В любом варианте, потребуется мате-матическая модель этого оборудования, свободными переменными которой будут параметры процесса, изменение которых возможно в данном конкретном случае. Казалось бы, регрессион-ные модели здесь вполне могут быть применены -но традиционный их базис в виде полиномов первой-второй степени не всегда позволяет производить условную оптимизацию, или получать асимптотические по времени значения (характерные, в частности, для процесса флокуляции), или даже вообще получать модели с малым среднеквадратичным рассогласованием с данными экспе-римента. Обоснована задача построения прогнозной модели процесса флокуляции калийной руды. Показано, что результаты расчетов по традиционным моделям неудовлетворительно воспро-изводят экспериментальные данные, а применение регрессионно-дифференциальной модели вызывает затруднения в объяснении ее коэффициентов. Предложено для моделирования про-цесса использовать нейронную сеть. Обоснованы выбор алгоритма обратного распростране-ния для обучения сети и сигмоидальной активационной функции. Использована программная система реализации нейронных сетей на основе библиотеки FANN. На основании пяти экспе-риментов произведено обучение сети. Оценены статистические показатели нейронной сети данной структуры. Тестирование по данным шестого эксперимента показало удовлетвори-тельное качество модели. Изучены вопросы рациональной организации обучения и тестиро-вания нейронной сети для моделирования процесса флокуляции. В итоге показана возмож-ность использования нейронных се...