مدلسازی ریاضی و شبکه عصبی انتقال جرم در غشاهای مایع آمین گلایکول برای جداسازی دی اکسید کربن از هوا | ||
| مدل سازی در مهندسی | ||
| مقاله 5، دوره 14، شماره 47، 1395، صفحه 51-60 اصل مقاله (1 M) | ||
| نوع مقاله: مقاله شیمی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2017.2451 | ||
| نویسندگان | ||
| محسن مهدی پور قاضی* ؛ محمد رضا مویدی | ||
| دانشکده مهندسی شیمی نفت و گاز دانشگاه سمنان | ||
| چکیده | ||
| هدف این پژوهش، مقایسه عملکرد شبکه عصبی مصنوعی و مدل ریاضی انتقال جرم در پیش بینی غلظت دی اکسید کربن در هوای خروجی از ماژول غشایی ساخته شده با استفاده از غشای مایع گلایکول آمین است. برای حل مسئله با شبکه عصبی از توابع خط فرمان، دادههای مسئله شامل بردارهای ورودی و هدف در فضای کاری نرم افزار مطلب بارگذاری شده و یک شبکه پیش خور با تابع انتقال تانژانت-سیگموئید در لایههای مخفی و تابع انتقال خطی در لایه خروجی استفاده شد. سپس شبکه آموزش داده شده و از الگوریتم لونبرگ-مارکوارت به عنوان تابع آموزش استفاده شد. در این کار از تعداد 74 داده ورودی شامل فشار هوای ورودی، شدت جریان هوای ورودی و میزان بازیابی دی اکسید کربن در طول فرآیند استفاده شد. داده هدف هم کسر مولی دی اکسید کربن در هوای خروجی بود. دادههای تجربی مورد استفاده در سه بخش به صورت 70 درصد دادهها برای آموزش، 15 درصد برای اعتبار سنجی و 15 درصد به تست شبکه اختصاص یافت. تعداد نورونهای بهینه لایه مخفی شبکه نیز با استفاده از سعی و خطا محاسبه شده و با 4 نورون در لایه مخفی، بهترین عملکرد شبکه بدست آمد. همچنین با استفاده از بهترین مدل موجود در پیشبینی انتقال جرم غشاهای مایع، میزان دی اکسید کربن عبوری از غشا مدلسازی شد که رفتاری نمایی را از خود نشان داد. نتایج حاصل از مدل و شبکه عصبی به صورت جداگانه با نتایج تجربی مقایسه گردید و نشان داده شد که شبکههای عصبی توانایی بالایی در پیش بینی مقادیر دارند. مقدار R-Value برای مدل ریاضی انتقال جرم برابر با 9839/0 بدست آمد. همچنین، این مقدار برای آموزش شبکه برابر با 9899/0، اعتبار سنجی شبکه 9910/0، تست داده ها 9975/0 و در حالت کلی برابر با 9899/0 شد که نشان دهنده تقریب بسیار خوب دادههای تجربی با نتایج پیش بینی شده توسط شبکه عصبی است. | ||
| کلیدواژهها | ||
| غشای مایع؛ دی گلایکول آمین؛ تری اتیلن گلایکول؛ دی اکسید کربن؛ مدل سازی انتقال جرم؛ شبکه عصبی مصنوعی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,100 تعداد دریافت فایل اصل مقاله: 1,119 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 723 |
| تعداد مقالات | 10,394 |
| تعداد مشاهده مقاله | 72,849,001 |
| تعداد دریافت فایل اصل مقاله | 64,547,610 |