مدل سازی جذب دی اکسید کربن به آلکانول‎آمین های محلول در آب با هوش مصنوعی

فرآیند تصفیه گازهای اسیدی، که شامل حذف گازهای اسیدی مانند سولفید هیدروژن (H۲S) و دی اکسید کربن (کربن دی اکسید) از گاز طبیعی و دیگر جریان های هیدروکربنی برای جلوگیری از خوردگی و آسیب به تجهیزات است، یکی از فرآیندهای حیاتی در صنعت نفت و گاز است. رایج ترین روش تصفیه گازهای اسیدی، استفاده از آمین است که در آن جریان گاز از یک محلول مایع آمین عبور داده می شود که به طور انتخابی گازهای اسیدی را جذب می کنددر این مقاله، دو روش برای مدلسازی جذب کربن دی اکسید با استفاده از حلال های آمینی معرفی شده اند: روش پاسخ سطح (RSM) و شبکه عصبی مصنوعی (ANN). هر دو روش مناسب بودند، اما ANN عملکرد بهتری داشت. در RSM، مدل Quadratic بهترین برازش را با داده های تجربی داشت. در ANN، تابع trainlm بهترین عملکرد را داشت و بهترین تعداد نورون ها ۱۶ بود. همچنین، بررسی اثر چگالی و کسر جرمی حلال نشان داد که با افزایش چگالی حلال، شار جذب کربن دی اکسید افزایش می یابد و با افزایش کسر جرمی حلال، شار جذب کربن دی اکسید تا حدی افزایش می یابد و سپس کاهش می یابد. در نتیجه، هر دو روش RSM و ANN برای مدلسازی جذب کربن دی اکسید مناسب هستند، اما ANN عملکرد بهتری دارد.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، پرسپترون چندلایه ، توابع پایه شعاعی ، جذب کربن دی اکسید ، محلول آبی آلکانول آمین