基于RSM和神经网络的二氧化碳捕集预测模型建立

【摘要】：以乙醇胺(MEA)吸收CO2作为研究对象,得到关键参数适宜的选取范围,并建立预测溶液流量和再生能耗的模型。结果表明:对3个主要影响因素分析,从再生能耗和溶液流量角度发现,溶液浓度应35%,贫液负载应在0.2～0.3 mol/mol波动,再生塔压力应在1.5～2.5 bar波动;通过RSM设计试验,利用Aspen得到设计试验下的数据来建立RSM和BP神经网络预测模型,RSM模型预测的溶液流量和再生能耗平均相对误差分别为5.15%、7.1%,而BP神经网络模型预测的溶液流量和再生能耗平均相对误差分别为2.93%、2.89%,故BP神经网络预测模型可以更好地预测溶液流量和再生能耗。因此在工艺分析以及优化设计中可以考虑结合BP神经网络预测模型进行分析。