近日，山西大同大学煤炭工程学院的罗化峰副教授利用人工神经网络法(BP)预测了H₂在煤液化中的溶解度，发现预测值与实测值的最大相对误差小于5%，满足H₂溶解度测试的需要，该研究成果发表于《洁净煤技术》2016年第4期。

　　H₂在煤液化溶剂及液化油中的溶解度是煤直接加氢液化和煤液化油提质加工过程中气液平衡计算必不可少的数据，也对液化反应器加氢过程中的溶解和扩散起着重要的控制作用。所以其溶解度的计算一直是科研人员研究的重点。传统方法常用于建立气体溶解度模型，这些方法都有自身的一些缺陷，如重复迭代计算和有限的灵活性。 　　

　　罗化峰副教授在之前的研究中对神华油组成进行了分析，选定了烷烃类物质十六烷，芳香烃类物质甲苯、四氢萘和萘，杂原子芳烃类物质1-萘酚和喹啉为研究对象，这些物质可称为煤液化油模型组分，简称“模型组分”。本次研究选定模型组分中的3类代表性物质十六烷、四氢萘和喹啉作为混合溶剂的基础溶剂，分别将其按照十六烷+四氢萘、喹啉+四氢萘和十六烷+喹啉进行不同比例混合，并测定了H₂在不同混合溶剂中的溶解度。 　　

　　研究发现，神经网络的计算精度随着循环次数的增加而提高;对于不同种类的混合溶剂，随着隐藏层个数的增加，计算值与试验值之间的相对误差呈现逐渐减小的趋势，从减小计算量的角度考虑，选定为4个隐藏层;3-4-1网络结构对于H₂在不同混合溶剂中溶解度的计算值与试验值最大相对误差为4.48%，这表明该模型能够满足H₂在该系统中溶解度的预测需要。

论文链接