基于GA-BP神经网络的超临界二氧化碳折射率及密度预测

摘要

基本光学性质折射率是研究物质物理性质的重要参数.本文以超临界二氧化碳(S-CO2)为对象,整合各文献在不同温度、压力下对S-CO2折射率的测量数据,使用遗传算法(GA)优化后的BP神经网络建立了预测S-CO2折射率的模型,并基于S-CO2密度与波长、折射率内在联系的洛伦兹-洛伦兹关系式,对S-CO2的密度进行反演.结果 表明:该模型预测S-CO2折射率的最大相对误差仅为0.844％;反演的S-CO2密度值同REFPROP软件结果相比,平均误差不超过3.65％;在亚临界和超临界区,通过实验测量折射率来研究CO2物性是可行的;在近临界区,由于CO2物性变化剧烈,对折射率变化规律的测量及折射率与CO2物性的关系尚需进一步研究.