پیش بینی تراوش پذیری و گزینش پذیری غشای ماتریس مخلوط پلی سولفون و ذرات مزوپروس SBA-۱۵ با استفاده از شبکه عصبی مصنوعی

در این پژوهش عملکرد (تراوش پذیری و گزینش پذیری) غشای ماتریس مخلوط سنتز شده از پلیمر پلی سولفون و نانوذرات SBA-۱۵ به منظور جداسازی گازهای دی اکسید کربن و متان با استفاده از شبکه عصبی مصنوعی پیش بینی شد. قطر میانگین حفرات، حجم حفره، مساحت سطح ویژه و اندازه نانوذرات پرکن، غلظت نانوذرات در ماتریس غشا به عنوان ۵ پارامتر ورودی شبکه، تراوش پذیری دی اکسیدکربن و گزینش پذیری CO۲/CH۴ به عنوان ۲ پارامتر خروجی شبکه در نظر گرفته شد. برای مدل سازی از شبکه پرسپترون چند لایه با الگوریتم آموزش منظم سازی بیزین استفاده گردید. تعداد بهینه لایه ها و نرون-های لایه مخفی (آرایش ۵:۱۰:۲) با حدس و خطا تعیین شد. نتایج، معرف تطابق عالی بین داده های تجربی و پیش بینی شده با ضریب همبستگی بالا (۹۹۹۵/۰R۲=) و خطای بسیار پایین (۰۰۱۳/۰MSE=) بود. بنابراین می توان شبکه عصبی مصنوعی را به عنوان یک روش قوی برای پیش بینی عملکرد غشاهای ماتریس مخلوط با دقت بالا توصیه کرد.

کلیدواژه ها:

غشای ماتریس مخلوط ، تراوش پذیری ، گزینش پذیری ، شبکه عصبی مصنوعی