نرگس علیمحمدی - دانشجوی کارشناسی ارشد، دانشگاه صنعتی شاهرود، دانشکده شیمی
زهرا کلانتر - استادیار، عضو هیات علمی، دانشگاه صنعتی شاهرود، دانشکده شیمی
ماشاءالله رضا کاظمی - دانشیار، عضو هیات علمی، دانشگاه صنعتی شاهرود، دانشکده مهندسی شیمی و مواد

با توجه به توسعه صنعتی، حجم دی اکسید کربن موجود در اتمسفر به سرعت در حال افزایش است. تکنیک های مختلفی برای حذف CO۲ از مخلوط گازهای خروجی دودکشها وجود دارد. یکی از این روش ها جذب CO۲ توسط پلیمرهای متخلخل است. مدل های محاسباتی برای تخمین جذب CO۲ توسط پلیمرهای متخلخل از اهمیت بالایی برخوردار است. در این کار، کاربرد روش مدلسازی گروهی داده ها (GMDH) به عنوان یک رویکرد محاسباتی قدرتمند برای پیش بینی میزان جذب CO۲ به وسیله پلیمرهای متخلخل مختلف عامل دار شده با گروههای آمینی بررسی گردید. مدل بهینه شده با رویکرد GMDH با استفاده از پارامترهای ورودی دما (T)، فشار(p)، حجم کل حفرات(Vtot)، وزن مولکولی اتصال دهنده آمین(MWL) و وزن مولکولی پلیمر(MWP) به دست آمد. داده های تجربی مورد استفاده به دو دسته تقسیم شدند: یک دسته به عنوان سری آموزش برای آموزش شبکه عصبی و دسته دوم به عنوان سری تست برای ارزیابی مدل بهینه شده. برای ارزیابی اعتبار و کارایی مدل بهینه شده ی پیشنهادی، پارامترهای آماری با استفاده از مقادیر هدف واقعی و مقادیر محاسباتی بر روی هر دو سری آموزش و تست انجام شد. بررسی پارامترهای آماری نشان داد که توافق خوبی بین مقادیر تجربی و پیش بینی شده جذب CO۲ بر روی این جاذبهای پلیمری در سری تست به وسیله مدل بهینه شده وجود دارد. ضریب همبستگی(R۲) و جذر میانگین مربعات خطا(RMSE) برای مجموعه تست به ترتیب ۰/۹۷۲ و ۰/۰۸۵ بودند. این نتایج نشان می دهد که مدل پیشنهادی، می تواند به عنوان یک مدل پیش بینی کننده کارآمد برای تخمین میزان جذب CO۲ به وسیله پلیمرهای متخلخل آمین دار جدید عمل کند.

دی اکسید کربن، روش گروهی پردازش داده ها، جذب سطحی، پلیمرهای متخلخل آمین دار