基于反向传播神经网络的卤水蒸发速率预测模型

doi:10.19964/j.issn.1006-4990.2023-0078

Abstract

Abstract:

Brine evaporation rate is an important technical parameter in the production and management of salt pans.By setting up an outdoor brine evaporation experimental device，the relationship between irradiation intensity，wind speed，ambient temperature，relative humidity，brine temperature，brine concentration，and brine evaporation rate was analyzed.The prediction model of brine evaporation rate was constructed by using back-propagation（BP） neural network and compared with the model constructed by traditional regression method.The results showed that the determination coefficients R² of BP neural network model and nonlinear regression model were 0.902 and 0.884，respectively，and the average relative error were 15.723% and 18.943%，respectively.It was indicated that the fitting effect and prediction ability of BP neural network model were better than nonlinear regression model.It was feasible to use BP neural network to construct the prediction model of brine evaporation rate，which could realize the rapid estimation of evaporation rate.

Key words: brine evaporation rate, quantitative analysis, nonlinear regression, back-propagation neural network

CLC Number:

TQ018

LI Zhiwei, FU Zhenhai, ZHANG Zhihong, LI Shengting. Prediction model of brine evaporation rate based on back-propagation neural network[J]. Inorganic Chemicals Industry, 2024, 56(1): 53-58.

Figures/Tables 9

Table 1

Fig.1

Table 2

Table 3

Fig.2

Fig.3

Fig.4

Fig.5

Fig.6

References 21

1	张苏江，张琳，姜爱玲，等.中国盐湖资源开发利用现状与发展建议［J］.无机盐工业，2022，54（10）：13-21.
	ZHANG Sujiang， ZHANG Lin， JIANG Ailing，et al.Current situation and development suggestions of development and utilization of salt lake resources in China［J］.Inorganic Chemicals Industry，2022，54（10）：13-21.
2	WANG Xuming， MILLER J D， CHENG Fangqin，et al.Potash flotation practice for carnallite resources in the Qinghai Province，PRC［J］.Minerals Engineering，2014，66-68：33-39.
3	熊增华，张建伟，王石军.察尔汗盐湖资源开发的生态环境保护对策［J］.中国矿业，2021，30（3）：113-117.
	XIONG Zenghua， ZHANG Jianwei， WANG Shijun.Countermeasures of ecological and environmental protection for Qarhan salt lake resource exploitation［J］.China Mining Magazine，2021，30（3）：113-117.
4	时历杰，王敏.柴达木盆地一里坪盐湖卤水水化学及夏季蒸发中钾、锂、硼行为［J］.湖泊科学，2019，31（2）：590-608.
	SHI Lijie， WANG Min.Hydrochemistry and behavior of K，Li and B in summer evaporation of Yiliping salt lake brine in Qaidam basin［J］.Journal of Lake Sciences，2019，31（2）：590-608.
5	姜旭，周保华，乜贞.中国盐湖卤水蒸发实验研究进展［J］.无机盐工业，2013，45（6）：1-3，32.
	JIANG Xu， ZHOU Baohua， NIE Zhen.Experimental research progress in evaporation of salt lake brine［J］.Inorganic Chemicals Industry，2013，45（6）：1-3，32.
6	韩玉兰，刘鲤君，赵云.察尔汗盐湖蒸发成矿及相关数学模型的研究进展［J］.化工管理，2021（6）：51-53，58.
	HAN Yulan， LIU Lijun， ZHAO Yun.Research progress on evaporation mineralization and related mathematical models of Qarhan salt lake［J］.Chemical Enterprise Management，2021（6）：51-53， 58.
7	WANG Xuekui， ZHOU Ying， LI Ling，et al.Modelling the natural evaporation of the concentrated seawater after desalinized［J］.Applied Mechanics and Materials，2015，713-715：2989-2992.
8	SALMAN A， AL-SHAMMIRI M A.New computational intelligence model for predicting evaporation rates for saline water［J］.Desalination，2007，214（1/2/3）：273-286.
9	WANG Binbin， MA Yaoming， MA Weiqiang，et al.Evaluation of ten methods for estimating evaporation in a small high-elevation lake on the Tibetan Plateau［J］.Theoretical and Applied Climatology，2019，136（3）：1033-1045.
10	董生发，张志宏，朱建荣，等.盐湖老卤蒸发气候条件研究与蒸发模型建立［J］.化工矿物与加工，2012，41（10）：15-17.
	DONG Shengfa， ZHANG Zhihong， ZHU Jianrong，et al.Evaporation conditions of the saline bittern and evaporation modeling［J］.Industrial Minerals & Processing，2012，41（10）：15-17.
11	祁泽学.水面蒸发盐度效应及影响因素研究［D］.西安：长安大学，2015.
	QI Zexue.Study on the water evaporation salinity effect and the influencing factors［D］.Xi'an：Chang'an University，2015.
12	陈伯龙，左洪超，高晓清，等.20 cm蒸发皿蒸发量的数学物理模型研究［J］.地球物理学报，2013，56（2）：422-430.
	CHEN Bolong， ZUO Hongchao， GAO Xiaoqing，et al.A mathematical and physical model study on the 20 cm pan evaporati-on［J］.Chinese Journal of Geophysics，2013，56（2）：422-430.
13	罗丽，戴长雷，李梦玲，等.松花江流域蒸发量的时空变化特征及影响因子分析［J］.水电能源科学，2022，40（10）：5-9.
	LUO Li， DAI Changlei， LI Mengling，et al.Spatiotemporal changes characteristics and influencing factors of evaporation in Songhua River basin［J］.Water Resources and Power，2022，40（10）：5-9.
14	刘艳婷，张建丰，李涛，等.盐水蒸发试验与模型修正［J］.灌溉排水学报，2018，37（S2）：116-120.
	LIU Yanting， ZHANG Jianfeng， LI Tao，et al.Salt water evaporation test and model correction［J］.Journal of Irrigation and Drainage，2018，37（S2）：116-120.
15	成春春，李春丽，王永梅，等.太阳能辐射对盐田生产中卤水蒸发过程的影响［J］.化工矿物与加工，2017，46（5）：57-61.
	CHENG Chunchun， LI Chunli， WANG Yongmei，et al.Impact of solar radiation on brine evaporation process in salt pan production［J］.Industrial Minerals & Processing，2017，46（5）：57- 61.
16	史忠录，蒋中华，杜佩英，等.卤水温度对盐田生产的影响［J］.盐科学与化工，2018，47（6）：28-30.
	SHI Zhonglu， JIANG Zhonghua， DU Peiying，et al.Influence of brine temperature on salt field production［J］.Journal of Salt Science and Chemical Industry，2018，47（6）：28-30.
17	高辉辉，陈挚，石喆，等.水温对器皿蒸发量影响的实验研究［J］.北京大学学报（自然科学版），2022，58（1）：147-156.
	GAO Huihui， CHEN Zhi， SHI Zhe，et al.Experimental study of the influence of water temperature on pan evaporation［J］.Acta Scientiarum Naturalium Universitatis Pekinensis，2022，58（1）：147-156.
18	Pinghuan KUO， HUANG C J.A high precision artificial neural networks model for short-term energy load forecasting［J］.Energies，2018，11（1）：213.
19	王涛，王俊，赵迪宇，等.基于BP神经网络的玻璃纤维增强塑料腐蚀条件下的寿命预测［J］.化工学报，2019，70（12）：4872-4880.
	WANG Tao， WANG Jun， ZHAO Diyu，et al.Life prediction of glass fiber reinforced plastics based on BP neural network under corrosion condition［J］.CIESC Journal，2019，70（12）：4872-4880.
20	中国科学院青海盐湖研究所分析室.卤水和盐的分析方法［M］.2版.北京：科学出版社，1988.
21	MAHABOOB B， VENKATESWARLU B， MOKESHRAYALU G，et al.A different approach to estimate nonlinear regression model using numerical methods［J］.IOP Conference Series：Materials Science and Engineering，2017，263：042122.

因素	相关性	P值	因素	相关性	P值
辐照强度（A）	0.833	<0.001	卤水温度（D）	0.672	<0.001
环境温度（B）	0.587	<0.001	风速（E）	0.418	<0.001
相对湿度（C）	-0.501	<0.001	卤水浓度（F）	-0.718	<0.001

项目	平方和	自由度	均方	F值	P值	R²
回归	4.588	21	0.218	378.961	<0.001	0.884
残差	0.589	1 021	0.001
总计	5.177	1 042

National Inorganic Salts Information Center

Inorganic Acid-Base-Salt Committee of CIESC

Prediction model of brine evaporation rate based on back-propagation neural network

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 9

References 21

Related Articles 1

Metrics

Comments

Recommended 0