Abstract
一般而言，系統模式的發展，可以由經驗的累積或者是利用物理、化學的理論所推導出來，我們稱前者為經驗模式，而後者為嚴格模式。這兩者的區別在於，嚴格模式對系統的預測是基於嚴格的物理或化學原理，而經驗模式對於系統的預測則取決於特定的內外插方式。所以，經驗模式的建立不需要對系統有足夠的了解，只要有足夠的經驗累積，利用特定的內外插方式，就可以得到有效的經驗模式，如:模糊控制(Fuzzy Control)，類神經網路模式(Artifical Neural Networks Model)等。所以，利用經驗模式，可以很快的計算求解，因此很適合線上計算。相反的，嚴格模式必須對系統的動態有深刻的了解，如：利用質能均衡的原理，將系統以數學式子表達出來，用以預測系統的未知狀態。 本篇論文的主要目的有二個。第一、藉由一連串的批次反應蒸餾實驗所得的資料點，送入ANN及NLPCA兩種模式作分析後，看哪一個所建立起來的模式較準確，就利用它來建立起模式，進而推知輸入與輸出的關係；第二、模式建立後，就利用此模式，將產量作最適化處理，即在批次反應蒸餾時間內，不同的進料量下，於反應中期，藉由線上所量測的動態數據，經過最適化模式分析後，於線上求出迴流閥開度應如何的調整，才能在實驗結束時，得到最大的醋酸甲酯產量。 在經過了ANN與NLPCA兩種模式的比較後，事實證明由NLPCA所建立的模式較準確，不論是在Training Set與Testing Set兩者，NLPCA皆優於ANN。在醋酸甲酯產量最適化部分，實驗結果與模式的預估蠻符合的。