پیش بینی سرعت واکنش ریفرمینگ متان با دی اکسید کربن استفاده از مدلهای شبکه عصبی

در این مقاله شش مدل مختلف شبکه عصبی مصنوعی (ANN) با معماریها و توابع فعالسازی گوناگون برای پیش بینی سرعت واکنش ریفرمینگ متان با دی اکسیدکربن که یکی از فرآیندهای کلیدی در تولید گاز سنتز است ارزیابی شدند. نتایج نشان می دهد مهندسی ویژگی و اعمال تبدیل لگاریتمی بر روی ویژگیهای ورودی نقش مهمی بر دقت مدل دارد پس از این تبدیل فضای ویژگی، شبکه عصبی پیش خور خطی (LinearFFNN) بهترین عملکرد را با R۲ برابر با ۹۷.۱ و خطای میانگین مربعات (MSE) برابر با ۰.۰۲ ارائه داده است که نشان دهنده رابطه خطی در فضای جدید است تحلیل ویژگیها نیز اهمیت دما را به عنوان مهمترین متغیر تاثیرگذار بر سرعت واکنش تایید کرد.

کلیدواژه ها:

ریفرمینگ ، متان ، گاز سنتز ، شبکه عصبی مصنوعی ، سرعت واکنش