مدل سازی سیستم تعادلیPz-CO2-H2O با استفاده از شبکه های عصبی

در این تحقیق سیستم تعادلی پایپرزین-آب- دی اکسیدکربن با استفاده از مدل های شبکه عصبی مدل سازی شده است. در مدل از دو شبکه عصبی MLP، RBF استفاده شده است. در یادگیری شبکه ها الگوریتم پس انتشار خطا به کار رفته است. برای آموزش و تست شبکه های عصبی یک مرور کلی بر کارهای تجربی در زمینه حلالیت دی اکسیدکربن در محلول آبی پایپرزین انجام شده و داده های تجربی جمع آوری و طبقه بندی شده است. نتایج شبکه های عصبی با داده های تجربی ارائه شده در مقالات مورد ارزیابی قرار گرفت. متوسط مربع خطاهای کل داده ها برای شبکه MLP برابر با 21/4 درصد و برای شبکه RBF برابر با 78/4 بوده که نشان از پیش بینی مناسب شبکه های مورد استفاده می باشد. نتایج نشان داد که شبکه های عصبی ابزاری مناسب بر کاهش زمان محاسبات و افزایش دقت پیش بینی داده های تعادلی می باشند.