本文针对微波酯化反应过程表现出较强的非线性以及众多的影响因素，利用偏最小二乘支持向量机（partial Least Square, LS-SVM）基于实验数据对水杨酸乙酯的微波催化合成反应进行建模。针对该反应，利用混沌粒子群算法优化偏最小二乘支持向量机模型，模型的拟合误差平方和为0.066%，得到最优条件为：酸醇比0.14，功率402W，催化剂用量3.00mL，反应时间42min，对应的产率为80.11%。
本次建模针是对微波酯化反应过程表现出较强的非线性以及众多的影响因素，利用偏最小二乘支持向量机（partial Least Square, LS-SVM）基于实验数据对水杨酸乙酯的微波催化合成反应而进行的。而采用混沌粒子群算法 (CPSO)，即对全局极值采用自适应混沌优化策略，当出现早熟收敛时，对部分较优粒子采用混沌优化策略，摆脱了局部极值，得到全局最优。影响本次模型的重要因素是对模型参数的确定。需要调试的参数为gam和sig2参数。所以，对模型进行优化也就是用混合粒子群算法来寻找这2个参数的最优值。本次建模有48组数据，4个水平因素。
本文利用混沌粒子群算法对水杨酸乙酯微波催化酯化模型进行优化。根据催化酯化反应副反应多，过程非常复杂，加之实验过程中诸多的随机因素，数据样本呈现出：小容量、复共线性、带有噪音、非线性强和分布不定等特点，采用PLS-SVM方法对催化酯化反应过程进行建


本生物化学毕业设计“基于混合粒子群算法的微波酯化反应模型的优化”论文由清风毕业设计网[www.lunwen550.com]征集整理！