Machine Learning Assisted Prediction of Fouling Recovery Ratio of Ultrafiltration Membranes
- سال انتشار: 1401
- محل انتشار: اولین همایش بین المللی هوش مصنوعی، علم داده و تحول دیجیتال در صنعت نفت و گاز
- کد COI اختصاصی: OILANDGAS01_039
- زبان مقاله: انگلیسی
- تعداد مشاهده: 245
نویسندگان
Assistant Professor, Department of Chemical Engineering, Ilam University, Ilam ۶۹۳۱۵-۵۱۶, Iran
Assistant Professor, Deputy of Technology and International Affairs, Research Institute of Petroleum Industry, (RIPI) Tehran, Iran
چکیده
Intelligent approaches based on multilayer perceptron (MLP) and gaussian process regression (GPR) were applied for modelling to estimate the fouling recovery ratio (FRR) of ultrafiltration membrane for waste water treatment. The pressure, temperature, and pH were used as variables. The GPR model showed an excellent agreement with experimental data with average absolute relative error (AARE) of ۰.۸۷% relative root mean squared error (RRMSE) of ۱.۴۰% and R۲ of ۹۹.۲۹%. The performance of the GPR model for prediction FRR were assessed and acceptable results were obtained. A sensitivity analysis was showed that the pressure is the most effective parameter on membrane FRR, which is followed by pH and temperature, respectivelyکلیدواژه ها
Ultrafiltration membrane, Fouling, Intelligent Modeling, Multilayer perceptron, Gaussian Process Regressionمقالات مرتبط جدید
- ارزیابی ریسک های ایمنی و زیست محیطی شرکت ملی پخش فرآورده های نفتی با کمک تکنیک هازن
- بررسی هیدرودینامیک و زمان اختلاط مخرن همزندار با استفاده از تکنیکهای سرعت سنجی ذرات و القای صفحهای نور فلئورسانس
- کاربردها و چالش های موجود در استفاده از روش تست سازند جهت بررسی خواص استاتیک و دینامیک مخزن
- کاربرد هوش مصنوعی در پیش بینی فرصت های صادرات محصولات صنعت پتروشیمی
- روش های ازدیاد برداشت نفت با استفاده از گاز در میادین فراساحلی: ویژگی ها، نحوه اجرا و شرایط عملیاتی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.