به کارگیری شبکه عصبی در پیش بینی رفتار فرایند آلکیلاسیون متاکروزل با ایزوپروپانول و بهینه سازی بازده فرایند با الگوریتم کلونی زنبورهای عسل

در ده های اخیر روش های بهینه سازی مبتنی بر پدیده های طبیعی به دلیل عدم نیاز به انجام محاسبات سنگین ریاضی، عدم وابستگی به نقاط انتخابی اولیه و قابلیت بهینه سازی نسبت به سایر روش ها، در زمینه بهینه سازی ترکیبی جایگاه ویژه ای پیدا کرده است. علاوه بر این شبکه عصبی مصنوعی به عنوان یکی از ابزار قدرتمند هوش مصنوعی در شبیه سازی فرایندها به کار برده می شود. به کارگیری شبکه عصبی برای مدل سازی  فرایند آلکیلاسیون متاکروزل با ایزوپروپانول و روش فرا ابتکاری در به دست آوردن شرایط بهینه برای کاتالیست و واکنش می تواند گام موثری، در جهت انجام فرایند با بازده بالا فراهم سازد.

در این پژوهش شبکه عصبی برای پیش بینی فرایند آلکیلاسیون متاکروزل با ایزوپروپانول و الگوریتم کلونی زنبورهای عسل به منظور بهینه سازی بازده فرایند به کار گرفته شد. شبکه عصبی طراحی شده دارای 5 نرون در لایه پنهان می باشد. به منظور بررسی عملکرد الگوریتم پیشنهادی، شبکه عصبی مصنوعی برای پیش بینی تبدیل متاکروزل و گزینش پذیری آن به تیمول در فرایند آلکیلاسیون متاکروزل با ایزوپروپانول 120 داده استفاده شد. در این فرایند، سرعت فضایی (WHSV)، فشار و دما، به عنوان متغیرهای ورودی و تبدیل متاکروزل و گزینش پذیری تیمول به عنوان متغیرهای خروجی شبکه عصبی در نظر گرفته شده است.

سیستم شبیه سازی طراحی شده با ضریب رگرسیون (R2) بالاتر از %97.5، نشان دهنده دقت بالای شبکه عصبی طراحی شده برای این فرایند می باشد. میزان بیشینه بازده این فرایند با استفاده از الگوریتم کلونی زنبورهای عسل  28.9%   با متغیرهای قابل تنظیم  h-10.062 WHSV=، فشار  bar1.5 و دمای C 300 حاصل شد. هم چنین برای دستیابی به کارایی بهتر الگوریتم بهینه سازی، مقادیر مطلوب ضریب شتاب و جمعیت زنبورها با آزمون سعی و خطا 100 و 10حاصل شد.