روشهای مختلف مدل سازی و بهینه سازی در تولید بیودیزل

در سال های اخیر با افزایش چالش های زیست محیطی و بحران انرژی تولید بیودیزل به عنوان یک سوخت پاک و تجدید پذیر، توجه زیادی را در جوامع علمی و صنعتی به خود جلب کرده است. در این میان مدل سازی و بهینه سازی فرآیند تولید بیودیزل به ویژه در مرحله کلیدی ترانس استریفیکاسیون نقش تعیین کننده ای در دستیابی به بازدهی بالا و توجیه پذیری اقتصادی ایفا می کند. در این بررسی به مقایسه جامع سه روش سطح پاسخ، شبکه عصبی مصنوعی و سیستم استنتاج فازی عصبی تطبیقی در حوزه مدل سازی فرآیند پرداخته شد. بر پایه مطالعات تجربی و شبیه سازی های انجام شده مدل های هوشمند شبکه عصبی مصنوعی و سیستم استنتاج فازی-عصبی تطبیقی با ضریب تعیین بالاتر از ۰.۹۹۰ و خطای کمتر از ۲.۵ درصد عملکردی دقیق تر در مقایسه با روش سطح پاسخ از خود نشان داده اند. به طور خاص، سیستم استنتاج فازی عصبی تطبیقی با تلفیق توانایی های منطق فازی و قابلیت های یادگیری شبکه های عصبی در مدل سازی سیستم های غیر خطی و دارای عدم قطعیت برتری محسوسی دارد، همچنین نتایج این پژوهش نشان می دهد که تلفیق این مدل های پیشرفته با الگوریتم های بهینه سازی فراابتکاری نظیر الگوریتم ژنتیک قادر است بازده تولید را به بیش از ۹۹ درصد برساند و گامی موثر در جهت توسعه پایدار و صنعت سبز محسوب شود.

کلیدواژه ها:

بیودیزل ، مدل سازی ، بهینه سازی ، ANFIS ، روش سطح پاسخ ، شبکه عصبی مصنوعی