کاربرد یادگیری ماشین برخط در پیش بینی میزان هدررفت Al۲O۳ و NaOH در فرایند سیلیس زدایی مجتمع آلومینای جاجرم
- سال انتشار: 1400
- محل انتشار: فصلنامه شیمی و مهندسی شیمی ایران، دوره: 40، شماره: 4
- کد COI اختصاصی: JR_NSMSI-40-4_027
- زبان مقاله: فارسی
- تعداد مشاهده: 42
نویسندگان
دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
چکیده
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
فرایند بایر, آلومینا, سود کاستیک, سدیم کربنات, یادگیری ماشین برخط, FOGD, NysGDاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.