微波作用下餐厨垃圾固相中油脂浸出过程研究-胡昊

—○—预测输出;——期望输出;———误差图7BP网络的评价结果Fig．7TheevaluatedresultofBPnetwork比BP网络和小波神经网络的误差更小，证明评价的结果很理想。所以运用自适应遗传小波神经网络能够更精确地进行水质评价。5结束语针对水质评价方法、小波神经网络理论和自适应遗传算法进行深入研究后，提出了一种改进的小波神经网络水质评价方法，建立了基于自适应遗传小波神经网络的水质评价模型。随后利用该模型对嘉陵江的地表水环境质量进行评价，对网络进行训练和测试。实例验证表明:将自适应遗传小波神经网络应用于水质评价是可行、有效、实用的，其识别精度高、准确度高，且操作简便易行，评价结果切合实际情况。参考文献［1］牟洁．基于神经网络和灰色系统的水质预测研究［D］．天津:天津大学，2010.［2］梁楠．基于人工神经网络的水质预测及MATLAB实现［D］．西安:长安大学，2007.［3］牛红惠，尚艳玲．模糊神经网络在水质评价中的研究［J］．计算机仿真，2012，29(4):173-176.［4］尹海龙，徐祖信．河流综合水质评价方法比较研究［J］．长江流域资源与环境，2008，17(5):729-733.［5］ZhangQH，BenvenisteA．WaveletNetwork［J］．IEEETransonNeuralNetwork，1992，3(6):889-898.［6］赵鸿图，刘云．改进粒子群算法的小波神经网络语音去噪［J］．计算机测量与控制，2013，21(10):2799-2800.［7］赵越，茹婷婷．遗传算法理论与应用新探［J］．轻工科技，2014(1):77-78.［8］赵越，徐鑫，赵焱，等．自适应记忆遗传算法研究［J］．计算机技术与发展，2014，24(2):63-66.［9］张坤，郁湧，李彤．基于小波和神经网络相结合的股票价格模型［J］．计算机工程与设计，2009，30(23):5496-5498.［10］徐安英，陈伟，葛生联等．基于小波神经网络的军用物资消耗量预测模型［J］．物流技术，2014，33(1):368-370.［11］史峰，王小川．MATLAB神经网络30个案例分析［M］．北京:北京航空航天大学出版社，2011.第一作者:任金霞(1970－)，女，硕士研究生导师，副教授，主要研究领域为智能控制和智能优化算法。櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅yzw759477542@163．com(上接第121页)破乳作用，油脂浸出率高。3)微波湿热处理没有改变油脂的主要官能团结构，但浸出油脂的各脂肪酸及脂肪酸甘油酯成分含量发生了变化。参考文献［1］任连海，金宜英，刘建国，等．餐厨垃圾固相油脂液化及分离回收的影响因素［J］．清华大学学报．自然科学版，2009，49(3):387-390.［2］梁芳慧，尹平河，赵玲，等．地沟油生产无磷洗衣粉的研究［J］．广东化工，2005(9):5-8.［3］郭涛，杜蕾蕾，万辉，等．餐饮废油制备硬脂酸与油酸的研究［J］．食品科技，2009，34(8):109-111.［4］TanawannapongY，KaewchadaA，JareeA．Biodieselproductionfromwastecookingoilinamicrotubereactor［J］．JournalofIndustrialandEngineeringChemistry，2013，19(1):37-41.［5］ＲenLianhai，NieYongfeng，LiuJianguo，etal．Influencingfactorsofthehydrothermalprocessforrestaurantgarbage［J］．JTsinghuaUniv(Sci＆Tech)，2006，46(9):1551-1554.［6］ＲenLH，NieYF，LiuJG，etal．Impactofhydrothermalprocessonthenutrientingredientsofrestaurantgarbage［J］．JournalofEnvironmentalSciences，2006，18(5):1012-1019.［7］王兴国，金青哲．油脂化学［M］．北京:科学出版社，2012:27.［8］FerreiraBMS，ＲamalhoJBVS，LucasEF．Demulsificationofwater-in-crudeoilemulsionsbymicrowaveradiation:Effectofaging，demulsifieraddition，andselectiveheating［J］．EnergyandFuels，2013，27(2):615-621.［