کاربرد هوش مصنوعی برای پیش بینی درصد استخراج سریوم از محیط نیتراته با حلال سیانکس ۵۷۲

پیش بینی درصد استخراج سریوم در فرایند استخراج حلالی به منظور مدیریت کارآمد فرایند امری ضروری است. بنابراین، در این مطالعه، درصد استخراج سریوم در فرایند استخراج حلالی توسط سیانکس ۵۷۲ با استفاده از شبکه عصبی مصنوعی بررسی گردید. شبکه عصبی یکی از رایج ترین روش های مدلسازی و پیش بینی است. در این پژوهش، از شبکه عصبی چند لایه برای پیش بینی درصد استخراج سریوم اساس پارامترهای عملیاتی فرایند از قبیل زمان تماس، اسیدیته محلول، غلظت استخراج کننده و غلظت یون نیترات استفاده شد. مدلسازی بر اساس ۳۹ دسته داده تحت شرایط عملیاتی مختلف انجام شد. این داده ها به ترتیب با نسبت ۱:۳ به داده های آموزش و آزمایش تقسیم شدند. ساختار بهینه شبکه عصبی با یک لایه مخفی (۴:۶:۱) با استفاده از روش سعی و خطا تعیین گردید. عملکرد مدل با استفاده از معیارهای آماری ضریب همبستگی (R۲) و میانگین مجموع مربعات خطا (MSE) ارزیابی شد. مقدار ضریب همبستگی و میانگین مجموع مربعات خطا در مرحله آزمایش برای درصد استخراج سریوم به ترتیب ۹۷/۰ و ۵۲۷/۳ بدست آمد. نتایج بست آمده نشان داد، شبکه عصبی قادر است با دقت بالایی درصد استخراج سریوم را بر اساس مقادیر ورودی فرایند پیش بینی کند.

کلیدواژه ها:

استخراج حلالی ، درصد استخراج ، سریوم ، شبکه عصبی