حجت اله مرادی - دانشکده مهندسی شیمی، پردیس دانشکده های فنی، دانشگاه تهران، ایران
هدایت عزیزپور - دانشکده مهندسی شیمی، پردیس دانشکده های فنی، دانشگاه تهران، ایران
حسین بهمنیار - دانشکده مهندسی شیمی، پردیس دانشکده های فنی، دانشگاه تهران، ایران

یکی از راه های جلوگیری از گرم شدن کره زمین و افزایش ارزش حرارتی گاز طبیعی، جذب کربن دی اکسید و نیتروژن، با استفاده از زئولیت ها است. در این مطالعه، نتایج تجربی جذب سه گاز متان، کربن دی اکسید و نیتروژن توسط زئولیت ۱۳X، با استفاده از شبکه عصبی مصنوعی مورد بررسی قرار گرفت. دما و فشار به عنوان ورودی های سیستم و ظرفیت جذب به عنوان خروجی در نظر گرفته شد. در همه مدل ها از الگوریتم پس انتشار لونبرگ- مارکوآرت برای آموزش شبکه استفاده شد. جهت تعیین توابع انتقال بهینه در لایه های پنهان و خروجی و نرون بهینه از شاخص های ضریب تعیین، خطای میانگین مربعات، مجموع خطاهای مربع و خطای میانگین مربع ریشه استفاده شد. نرون بهینه برای متان، کربن دی اکسید و نیتروژن به ترتیب ۱۰، ۱۰ و ۱۵ به دست آمد. همچنین بهترین نتایج برای توابع انتقال، Logsig و Tansig برای متان، Logsig و Purelin برای کربن دی اکسید و نیتروژن به ترتیب برای لایه پنهان و لایه خروجی به دست آمدند. ضریب تعیین در شرایط بهینه برای متان، کربن دی اکسید و نیتروژن به ترتیب ۹۹۷۰/۰، ۹۸۴۲/۰ و ۹۹۳۷/۰ به دست آمد. در پایان درصد انحراف میانگین برای نتایج پیش بینی شده توسط شبکه عصبی با نتایج توسط مدل لانگمویر و مدل Sips وابسته به دما مقایسه شد که نشان از دقت بالای شبکه عصبی مصنوعی نسبت به دو مدل است.

گاز طبیعی, کربن دی اکسید, زئولیت ۱۳X, مدل سازی, شبکه عصبی مصنوعی