کاربرد مدلسازی مبتنی بر داده در راکتور ناپیوسته فرایند تولید بیودیزل از ریزجلبک سندسموس (Scenedesmus)

در این پژوهش ابتدا و پس مطالعه موردی متغیرهای فرایندی، با استفاده از روابط سرعت واکنش و معادلات بقا، به مدلسازیاصل اولی راکتور ناپیوسته تولید بیودیزل از ریزجلبک سندسموس (Scenedesmus) در حضور کاتالیست اسیدی و متانول پرداخته و سپس پس از تولید ۱۰۰۰ داده توسط آن مدل و انتخاب آن به وسیله روش نمونه گیری Latin Hypercube Sampling با استفاده مدل یادگیری ماشین eXtreme Gradient Boosting به مدلسازی جعبه سیاه یا همان مبتنی بر داده آن پرداخته ایم. در آخر نیز به وسیله پارامترهای محابسه خطا یعنی میانگین مربعات خطا (Mean Square Error) و ضریب همبستگی ((R(۲) نتایج خروجی فرایند را برای مدل مبتنی بر داده نسبت به مدل اصل اولی مقایسه نمودیم. متغیرهای ورودی در این فرایند شامل زمانو غلظتهای تریگریسیلید، متانول، دیگلیسرید، مونوگلیسرید، بیودیزل و گلیسیرین در زمان t و متغیرهای خروجی شامل غلظتهای تریگریسیلید، متانول، دیگلیسرید، مونوگلیسرید، بیودیزل و گلیسیرین در زمان t+۱، نظر گرفته شده و میانگین خطای (R(۲ و MSE مدل مبتنی بر داده برای خروجی ها، بالای ۰/۹۹۸ و (۶-)۱۰ به دست آمده است که حاکی از دقت بالای مدل و قابلیت جایگزین نمودن آن در برابر مدل اصل اولی خواهد بود.