مروری بر کاربرد یادگیری ماشین در مدلسازی ستون های استخراج ضربهای

در بسیاری از موارد با سیستم ها یا فرآیندهایی مواجه می شویم که تعیین رابطه بین پارامترهای وابسته و مستقل در آن ها پیچیده است. استخراج مایع-مایع در ستون های ضربهای یکی از این مثال هاست که می توان مقادیر خروجی را برای مقادیر مشخص پارامترهای ورودی به صورت تجربی به دست آورد، اما توسعه یک مدل ریاضی که رفتار و وابستگی متقابل پارامترهای فرآیند را به درستی توصیف کند، بسیار دشوار است. علاوه بر این، حل معادلات چنین مدل هایی، به ویژه در سیستم های غیرخطی، پیچیده و زمان بر است و نیاز به تخصص فنی بالایی دارد. در چنین شرایطی، مدلهای هوشمند مبتنی بر یادگیری ماشین به عنوان روشی کارآمد برای مدل سازی روابط بین متغیرهای فرآیند و پیش بینی مقادیر خروجی مورد توجه قرار گرفته اند. این مدلها قابلیت شبیه سازی دقیق سیستم های پیچیده و غیرخطی را دارند و محدودیت های روش های سنتی را در مدل سازی کاهش می دهند. این مقاله یک مرور جامع از پژوهش های اخیر در زمینه مدل های هوشمند برای ستون های ضربهای ارائه می دهد و روند رشد و تمرکز تحقیقات در این حوزه را تحلیل می کند. نتایج نشان می دهد که این مدل ها عملکرد دقیق تر و قابل اعتمادتر نسبت به مدل های نیمه تجربی ارائه می کنند و استفاده از مدل های هوشمند در سال های اخیر به طور فزاینده ای مورد توجه قرار گرفته است.

کلیدواژه ها:

شبکه عصبی مصنوعی ، یادگیری ماشین ، ستونهای ضربهای ، مدلهای هوشمند