诊断二元液液平衡中NRTL参数的结构性病态：可辨识性、正则化与温度依赖的重参数化

《Fluid Phase Equilibria》：Diagnosing structural ill-conditioning of NRTL parameters in binary liquid-liquid equilibrium: Identifiability, regularization, and temperature-dependent reparameterization

　　

• 2MTHF + 水体系等温NRTL参数存在结构性病态条件。
• τ12–τ21的共线性（|r| ≈ 0.998）不随样本量变化。
• 无论是均匀惩罚还是专门设计的惩罚均无法恢复参数可辨识性。
• τ(T)参数化改善了预测能力，但共线性依然存在（|r|≈0.999）。
• 预测能力和参数可辨识性是两个独立的维度。

引言

非随机双液体模型（NRTL模型）[1] 仍然是用于液-液平衡（LLE）数据关联的最广泛使用的过量Gibbs自由能模型之一，这得益于其表征强非理想混合物（包括具有部分互溶性和复杂相行为的体系）的灵活性 [2], [3], [4]。一旦确定其参数，该方程几乎被普遍用于评估LLE，参数通常通过闪蒸法和相稳定性方法 [5], [6] 来确定。这些方法解决的是直接问题：由已知参数计算平衡状态。本研究关注互补的逆问题，即：给定有限的LLE结线集合，何时可以信任所估计的参数——无论是单独信任、组合信任还是用于导数性质的信任？这个问题并非纯粹学术性的：[7] 对已发表的LLE关联进行了调查，发现出乎意料地有相当大比例已发表的参数集违反了Gibbs稳定性判据，甚至等活度条件。本研究依赖相同的稳定性框架，使用切平面距离判据作为一致性筛选，并未提出替代方案。

然而，关联参数的可靠性远不如该模型的普及度那样明确确立。对于二元体系，交互参数 τ12 和 τ21 必须从有限的结线数据中估计，所涉及的 objective 函数已知在参数空间中呈现出细长、近乎平坦的谷值：差异很大的参数组合几乎同等精确地重现实验组成，因此所报告的点估计携带了很少被量化的不确定性结构 [8]。该问题因非随机参数 α12 而加剧，该参数通常按惯例固定为 0.20 而非通过估计获得，这种做法对剩余参数的影响很少被考察。

与此同时，机器学习与热力学建模之间不断增长的交叉领域促使人们将收缩惩罚（如Ridge（L2）、Lasso（L1）和Elastic Net）纳入参数估计工作流 [9], [10]。这些惩罚方法具有吸引力，因为它们在数据稀缺条件下可以稳定病态回归；然而，它们是否适用于NRTL/LLE估计的特定病态条件仍是一个悬而未决的问题，因为其有效性假定困难源于统计因素。[10] 已针对NRTL模型直接提出了这个问题，分析了气-液NRTL参数的实际可辨识性，表明固定α12相当于一种隐式子集选择正则化，并非总是有益的，并提出广义正交化作为替代方案；本研究关注互补的液-液情形，并得出关于收缩类惩罚局限性相似的结论。

回答该问题需要借助可辨识性分析的语言。当数据将参数约束在一个有限置信域内时，该参数具有实际可辨识性；在全域上计算的轮廓似然 [11]、由Fisher信息矩阵导出的参数相关性，以及 |r|>0.99 等相关性阈值 [12] 提供了操作性诊断指标。这些基于似然和Fisher信息的诊断指标仍然是实际可辨识性分析的当前标准 [13]，包括在Fisher信息矩阵秩亏这一技术困难情况下，近期已提出专门框架 [14]。关键在于，预测能力和参数可辨识性是独立的属性：一个模型可能极好地插值数据，但其参数仍然无法被单独确定。热力学一致性增加了第三个独立维度：在数值上满足等活度方程的参数集仍可能无法通过切平面距离稳定性检验 [5], [15], [16]。

作为案例研究，本文考察了2-甲基四氢呋喃（2MTHF）+ 水的二元体系，[17] 在293.15–423.15 K范围内报告了12条结线，并通过BOARPET方法 [18] 获得了参考参数，包括同时估计的非随机参数（α12=0.3855）和全局RMSE为0.0952。该体系要求较高：包络线强烈不对称，水相支非常稀薄（xα≈0.01–0.03），有机相支接近 xβ≈0.8，且平衡的温度依赖性显著。为捕捉后者，交互参数被参数化为 τij(T)=Aij+Bij(Tref/T?1)，其中 Tref=298.15 K，这将估计问题的维度加倍，并更尖锐地提出了可辨识性问题。

我们一开始就强调，本文并不将正则化作为补救方案提出：L1、L2和elastic-net惩罚本身就是系统性评估的对象，其核心结果本身即为实际发现：它们无法修复结构性病态条件的估计问题，而L1惩罚甚至会主动使情况恶化。

具体目标如下：
1. 通过逐步缩减训练集测试参数相关性的不变性，确定该体系的等温NRTL估计的病态条件是结构性还是统计性起源；
2. 证明L1、L2和elastic net正则化策略不能消除结构性共线性，因为其起源于模型的功能形式而非统计性质的参数方差；此外评估两种针对参数结构设计的惩罚（分层分块Ridge和以参考值为中心的Tikhonov惩罚），表明它们在修复均匀L1惩罚的崩溃病理的同时并不恢复可辨识性；
3. 量化温度依赖重参数化 τ(T) 对样本外预测能力的影响，在公共等活度残差指标下与BOARPET参考进行基准比较；
4. 诊断 τ(T) 模型的实际可辨识性，表明参考温度参数虽然边际有界但联合共线，而温度斜率在 α12=0.20 约束下且数据温度杠杆有限时实际不可辨识，该诊断在 α12 固定在其允许范围任何位置及同时估计时仍然成立。

本文其余部分组织如下：第2节介绍热力学框架、估计器和可辨识性诊断；第3节描述数据、计算协议和评估指标；第4节报告并讨论等温和温度依赖参数化的结果；第5节总结结论。

章节片段

用于液-液平衡的NRTL模型

NRTL模型将C组分混合物的过量Gibbs自由能表达为 [1]：

GERT/RT=∑i=1Cxi∑j=1CτjiGjixj∑k=1CGkixk

其中 Gij=exp(?αijτij)，αij=αji，τii=0。参数 τij 代表以RT归一化的分子间相互作用能差异：τij=(gij?gjj)/RT，其中 gij 是类型为i的分子被类型为j的分子包围时的相互作用能。组分i的活度系数通过对式(1)在恒定T、P和 nj≠i 条件下对 ni 求导得到。

实验数据集

采用2-甲基四氢呋喃（2MTHF）+ 水二元体系作为案例研究，使用[17]在《流体相平衡》中报道的实验液-液平衡数据。该数据集包含在293.15–423.15 K温度范围内、自生压力下确定的12条结线，涵盖130 K的温度跨度，具有该体系UCST（上临界溶液温度）行为的代表性。

数据来自两种独立分析方法：气相色谱（GC）测定六条结线……

实验数据集与BOARPET参考

图1展示了[17]报道的2MTHF + 水体系的12条结线。该体系的组成不对称性十分显著：有机相维持在 xβ∈[0.776, 0.848]，温度变化中等，而水相始终保持非常稀薄，xα∈[0.009, 0.031]，随温度升高而降低。这种不对称性意味着等活度残差（式7）对 τ21 的敏感度远高于对 τ12，预示了特定于该体系的可辨识性困难……

结论

本研究表明，对于固定α12条件下的2MTHF + 水体系，由多温度LLE数据估计的NRTL参数的不可辨识性属于结构性而非统计性起源：其根源于模型设定与体系组成不对称性的结合，而非数据不足。对于2MTHF + 水体系，在等温参数化下，参数相关性 r(τ12, τ21) 始终维持在 [0.998, 1] 区间内……

CRediT作者贡献声明

Luis Lillo Otarola：写作 – 审阅与编辑，写作 – 初稿撰写，可视化，验证，监督，软件，项目管理，方法论，调查研究，形式化分析，数据管理，概念构思。Alonso Pe?a Domarchi：写作 – 初稿撰写，可视化，验证，软件，资源，形式化分析，数据管理，概念构思。

利益冲突声明

作者声明他们不存在已知的可能影响本文工作的竞争性财务利益或个人关系。

Luis Lillo Otarola | Alonso Pe?a Domarchi