在化工工艺过程模拟时,其过程控制方程中包含许多关联式或者模型,而其中的参数与具体过程或者模型紧密相关的,参数取值的准确与否直接关系到模拟结果的准确度。为获得这些参数的准确值,研究人员往往需要进行大量的基础实验和多次的中试放大,得到大量的数据,通过对这些数据进行分析,以期获得各模型及关联式中适合目标工艺变化范围的值。而在实验和中试过程中,又面临着实验工况选取比较盲目,中试设备成本高等问题,经常花费大量时间和资金却得不到令人满意的工艺参数。
gPROMS 的模型验证( Model Validation)即是为解决该问题而专门设计的,包含参数估计( Parameter Estimation)和实验设计( Experiment Design)两大部分。前者可以让研究人员从很少的实验或中试数据获得关键的反应动力学参数以及其他模型参数;而后者则可以对参数估计的结果进行统计分析,根据估计结果的置信度、置信区间等判断参数估计结果能否满足所需精度。如果精度不能满足要求,则可以根据所建立的模型及实验条件(各种测量仪器的精度等)、根据方差最小等原则设计新的实验,最终以最少的实验次数获得足够多的信息,进一步提高所估计参数的准确度。
|
|
|
|
|
共 1 个关于本帖的回复 最后回复于 2017-8-2 17:33