پیش بینی حلالیت تعادل دی اکسیدکربن در محلول تری اتانول آمین + پیپرازین + آب با استفاده از مدل سازی شبکه عصبی مصنوعی

در این مطالعه، مدل مبتنی بر هوش مصنوعی برای پیش بینی حلالیت تعادلی دی اکسیدکربن در سامانه حلال آمین (تری اتانول آمین + پیپرازین + آب) با هدف جذبدی اکسیدکربن ایجاد شده است. در مدل پرسپترون چندلایه، داده های حلالیت (بارگذاری دی اکسیدکربن در محلول آمین) به عنوان تابعی از فشار جزیی دی اکسیدکربن، دمای سامانه و ترکیب آمین بررسی شد. الگوریتم لونبرگ- مارکوارت پس انتشار برای پیش بینی فشار جزیی دی اکسیدکربن استفاده شد. نسبت نهایی آموزش، اعتبارسنجی و مجموعه داده های آزمایشی تقریبا 70:15:15 بود. ساختار بهینه پرسپترون چندلایه (MLP) در الگوریتم لونبرگ- مارکوارت برای فشار جزیی دی اکسیدکربن با 20 نورون در اولین لایه پنهان و 10 نورون در لایه پنهان دوم ایجاد شده است. ضریب همبستگی 995/0 بین نتایج تجربی و محاسبات شبکه عصبی مصنوعی وجود دارد که سازگاری عالی بین آن ها را نشان می دهد. بهترین عملکرد اعتبارسنجی 0043497/0 از دوره 13 بود. به طور کلی، نتایج نشان می دهد که مدل اعمال شده می تواند پیش بینی دقیقی از فشار جزیی و یا حلالیت برای شرایط مختلف عملیاتی ارایه دهد.