کاربرد یادگیری ماشین برخط در پیش بینی میزان هدررفت Al۲O۳ و NaOH در فرایند سیلیس زدایی مجتمع آلومینای جاجرم
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 41
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NSMSI-40-4_027
تاریخ نمایه سازی: 7 خرداد 1404
چکیده مقاله:
در این پژوهش از ابزارهای یادگیری ماشین استفاده شد تا اثر عامل های گوناگون بر هدر رفت سود کاستیک (NaOH) و آلومینا (Al۲O۳) و افزایش آلودگی سدیم کربنات (Na۲CO۳) در مرحله نخست فرایند بایر مورد بررسی قرار گیرد. پارامترهای مورد بررسی در این مطالعه عبارت اند از غلظت Na۲Oc، Na۲Ou، Na۲Ot و Al۲O۳ در فاز محلول خروجی به واحد آسیای تر است. عامل های مورد بررسی نیز شامل شدت جریان جرمی و آنالیز شیمیایی ترکیب های گوناگون موجود در بوکسیت و آهک مصرفی، شدت جریان و آنالیز شیمیایی محلول سدیم آلومینات ورودی و آنالیز شیمیایی محلول سدیم آلومینات خروجی از واحد به صورت روزانه برای ۳۰۱۶ روز متوالی بوده است. در این مطالعه از دو روش کاهش گرادیان برخط فوریه (FOGD) و کاهش گرادیان برخط نیستروم (NysGD) برای مدل سازی فرایند یادشده استفاده شد. نتیجه ها نشان دهنده دقت و سرعت یادگیری بیش تر روش FOGD نسبت به روش NysGD است. این نتیجه ها نشان می دهند می توان با استفاده از دو روش با دقت بالایی فرایند مورد بررسی را مدل سازی نمود.
کلیدواژه ها:
نویسندگان
رضا منصفی
دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
مصطفی محمودیان
دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
نیما صالحی
دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
