[发明专利]一种智能化利用盐湖苦卤镁资源制备碱式氯化镁晶须的方法

说明书

本发明提供了一种智能化利用盐湖苦卤镁资源制备碱式氯化镁晶须的方法。所述方法包括如下步骤：S1.通过输入苦卤制备碱式氯化镁晶须的实验数据组，所述实验数据组包括工艺参数和实验结果，利用粒子群算法优化BP神经网络的权值和阀值，获得优化的PSO‑BP神经网络模型，S2.利用优化后的PSO‑BP神经网络对不同物化性质的苦卤进行工艺优化，根据优化得到的工艺参数制备得到碱式氯化镁晶须。本发明应用粒子群优化BP神经网络，可根据不同理化性质的盐湖卤水、海水的制备结果进行预测，对工艺参数进行进一步优化，免去了大量繁杂的摸索性实验，大大减小了人力、物力与资源浪费，可广泛应用于海水化工和盐湖化工镁类晶须的制备等高值化利用领域。

技术领域

本发明涉及化学统计学，更具体地，涉及智能化利用盐湖苦卤镁资源制备碱式氯化镁晶须领域。

背景技术

BP(Back Propagation)神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。它能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程，具有较强的自适应性、学习能力和大规模并行计算能力。因其能够关联和处理复杂的多变量情况而受到广泛关注，目前已被广泛应用于各种研究及实际工程领域中，如环境监测、控制与优化、预测建模、信号处理等。但单独使用BP神经网络有需要样本数量大、收敛速度慢、泛化能力弱等不足，为此，再引入粒子群算法PSO(Particle Swarm Optimization)以优化BP神经网络。PSO是近年来发展起来的一种新的进化算法，是通过适应度来评价解的品质，具有实现容易、精度高、收敛快等优点，PSO优化BP神经网络(PSO-BP-神经网络技术)具有误差更小、准确度更高的优势。

此前，从苦卤中制备碱式氯化镁晶须，每当苦卤的物理化学性质每改变一次，都要做一次实验以适应新的条件，并没有将数实验数据智能化。每次制备都需要对工艺参数进行大量繁杂的摸索性实验才能得到优化的实验方案，而且盐湖苦卤是一个动态多变的复杂浓盐体系，这次摸索到合适的生产方案，却不一定适合于下次。因此应用粒子群优化BP神经网络将实验数据实现数字智能化，随时为苦卤生产晶须提供最优的实验方案及准确预测实验结果具有显著的经济价值和必要性。

发明内容

本发明旨在克服上述缺陷，提供了智能化利用盐湖苦卤镁资源制备碱式氯化镁晶须的方法。

为解决上述技术问题，本发明采用的技术方案是：

一种智能化利用盐湖苦卤镁资源制备碱式氯化镁晶须的方法，其特征在于，包括如下步骤：

S1.通过输入苦卤制备碱式氯化镁晶须的实验数据组，所述实验数据组包括工艺参数和实验结果，利用粒子群算法优化BP神经网络的权值和阀值，获得优化的PSO-BP神经网络模型，

所述优化的PSO-BP神经网络模型为：

v_ij(t+1)＝v_ij(t)+c₁r_1j(t)[p_ij(t)-x_ij(t)]+c₂r_2j(t)[g_j(t)-x_ij(t)] (1)

x_ij(t+1)＝x_ij(t)+v_ij(t+1) (2)

式(1)和式(2)中，j为粒子的第j维，i为第i个粒子；t：表示当前进化代数；v_ij(t)隐含层第i个节点到第j个节点之间的权值；p_ij(t)粒子i所经过j的位置；g_ij(t)粒子群i所经过j的位置；x_ij(t)当前粒子i在j的位置；c₁和c₂都是位移变化的限定因子，为预设值；r为随机函数；