吕会超, 郑 勇

(安阳工学院 化学与环境工程学院,河南 安阳 455000)

0 引言

萃取是一种传统的混合物分离方法，在生物下游工程中，双水相萃取技术，以其独特的优势，越来越受到研究人员的关注[1].能够形成双水相体系的物质较多，常见的是将一种水溶性聚合物和一种无机盐(例如：聚乙二醇和磷酸钠)溶于水中，在一定的温度和浓度下，体系会分裂成互不相溶的两相，由于在两相中水的含量均很高，这样的体系被称为双水相体系.相比于传统的有机萃取剂，它具有对环境污染小、不易使被萃取物变性、后处理简单等优点，特别适合于某些生物活性物质如蛋白质和酶的萃取分离[2-3].而离子液体双水相，是双水相体系的“新品种”，与聚合物/盐体系相比，它的黏度更低，萃取效果更好，相分离速度更快[4-5].

近年来，对离子液体双水相体系相平衡的测定、关联和预测等一直受到工作者的重视.基于此，此项工作建立了[C4mim]Br(溴化1-丁基-3甲基咪唑)/ K3C6H5O7(柠檬酸三钾)双水相体系[5]的神经网络数据模型.首先，以“尽量减少对实验测量的依赖”为原则，选择了模型的输入、输出变量；其次，为了获得较为令人满意的计算精度，针对体系相平衡组成的特征，提出了一些合理的建议，并通过数据样本的训练和检验，优化了网络隐含层节点数和误差控制值，建立了精度较高的模型.最后，又将所建模型与文献中的方法进行了比较.

1 模型建立

1.1 神经网络简介

典型的神经网络结构如图1所示，由输入层、隐含层和输出层组成.数据由输入层进入，沿层与层之间的连接依次被输送至隐含层和输出层，在此过程中， 数据受到神经网络自身的一些参数符号(权重:wji,wkj；……