پیش بینی منحنی رخنه در فر آیند جذب بنزن با استفاده از شبکه عصبی BiLSTM

این مقاله به معرفی یک رویکرد مبتنی بر هوش مصنوعی (AI) برای مدلسازی بسترهای جذب ثابت می پردازد. در این تحقیق، ازالگوریتم شبکه حافظه بلند -کوتاه مدت دوسویه (BiLSTM)، که یک روش پیشرفته یادگیری عمیق است، برای پیش بینی منحنی رخنه در فرآیند جذب بنزن استفاده شده است. مدل BiLSTM با استفاده از داده های تجربی و اطلاعات مدل شبکه عصبیمصنوعی (ANN) مورد ارزیابی قرار گرفته است و ت اثیر پارامترهای مختلف در مدلسازی فرآیند مورد بررسی قرار گرفته و مقادیر بهینه ارائه شده است. نتایج به دست آمده از مدل BiLSTM در مقایسه با آزمایش های تجربی نشاندهنده همبستگی بسیار خو ب با ضریب (R(۲ بالای ۰/۹۵ است.