مدل سازی هوش مصنوعی جداسازی ترکیب های گوگردی از دیزل توسط فرایند تراوش تبخیری

در این پژوهش، به مدل سازی و بررسی فرایند گوگردزدایی  با روش غشایی از ترکیب دیزل موجود در پالایشگاه اصفهان با استفاده از فرایند غشایی پرداخته شد. برای مدل سازی پارامترهای فشار خوراک ورودی به ماژول غشایی (۵تا ۹ بار)، میزان مصرفی عامل اتصال عرضی (۵/۱تا ۳ درصد وزنی TMOS)، دمای اتصال عرضی (۶۵تا °C ۸۵) و زمان اتصال عرضی (۵/۰تا ۵/۲ ساعت) به عنوان پارامترهای ورودی و میزان گوگردزدایی  از ترکیب خوراک ورودی به ماژول غشایی (دیزل با میزان گوگرد ppm ۶۳۸۰) به عنوان پارامتر خروجی در نظر گرفته شد. در این مطالعه ۴ نوع غشا شامل پلی دی متیل سیلوکسان، پلی اتیلن گلایکول، پلی اترسولفون و پلی اکریل نیتریل موردبررسی قرار گرفت. برای  مدل سازی فرایند تراوش تبخیری، از ابزار شبکه عصبی و برنامه نویسی ژنتیکی استفاده شد. برای پیدا کردن شرایط بهینه مدل سازی با شبکه عصبی الگوریتم آموزشی لونبرگ مارکواردت با یک لایه استفاده شد و تعداد نرون ها تغییر داده شد تا شرایط بهینه پیدا شود. بیشینه مقدار R۲ (۹۳۴۱/۰) برای شبکه عصبی با الگوریتم آموزشی لونبرگ مارکواردت با ۶ نرون در لایه مخفی به دست آمد. بیشینه مقدار R۲ (۸۹۹۷/۰) برای برنامه نویسی ژنتیکی به دست آمد. مدل ریاضی برنامه نویسی ژنتیکی را به خوبی می توان برای پیش بینی مقدار گوگرد خروجی در هر شرایطی استفاده نمود. نتیجه­ های گوگردزدایی با فرایند غشایی آشکار کرد که با افزایش فشار ماژول میزان گوگرد موجود در ترکیب دیزل کاهش یافت. بیش­ترین تاثیر پمپ فشار ماژول غشایی بر کاهش گوگرد در جریان دیزل ، در ترکیب PDMS و پلیمر PEG برای ساخت غشاها دیده شد.

کلیدواژه ها:

مدل سازی ، شبکه عصبی ، برنامه نویسی ژنتیکی ، هوش مصنوعی ، غشا ، جداسازی ، گوگردزدایی