مطالعه تطبیقی مدل های RSM و RF برای پیش بینی درصد بازیابی SO۲ از جریان گاز دودکش در فرآیند جذب سطحی

کاهش آلاینده دی اکسید گوگرد (SO۲) به عنوان یکی از آلاینده های حاصل از احتراق سوخت های فسیلی با درصد گوگرد بالا بشمار می آید که مقدار زیاد آن باعث بوجود آمدن پدیده های زیست محیطی مانند باران اسیدی می شود. از این رو استفاده از فرآیندی بهینه برای جذب این آلاینده اهمیت زیادی دارد. در این راستا الگوریتم جنگل تصادفی در جذب سطحی به عنوان یکی از فناوری های نوین برای کنترل و کاهش آلاینده های گازی مورد استفاده در صنایع می باشد. در این پژوهش مقایسه ای بین روش سطح پاسخ (RSM) و الگوریتم یادگیری ماشین جنگل تصادفی (RF) برای پیش بینی درصد بازیابی SO۲ در فرآیند جذب سطحی با روش تغییر فشار خلاء (VSA) انجام گرفته است. مدل های پیشنهادی بر اساس شبیه سازی های جذب SO۲ بر روی جاذب کربن فعال و با در نظر گرفتن متغیرهای عملیاتی کلیدی به عنوان پارامترهای ورودی مدل توسعه داده شدند. نتایج نشان داده است که مدل RF قابلیت مدل سازی روابط غیرخطی و RSM توانایی ارائه رابطه ریاضی صریح و قابل تفسیر بین متغیرها را دارد و مقایسه این دو روش امکان تحلیل اثرات پارامترها و بهینه سازی دقیق فرآیند جذب را فراهم می کند.

کلیدواژه ها:

اکسید گوگرد ، کاهش آلاینده ، دی اکسید گوگرد (SO۲)