artificial neural network for modeling of OCM reaction

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 748

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICHEC07_259

تاریخ نمایه سازی: 25 فروردین 1394

چکیده مقاله:

In this article, artificial neural network was used for modeling oxidative coupling of methane (OCM) over Mn/Na2WO4/SiO2 catalyst. A multilayer perceptron was used for simulating the relations between process operating conditions such as temperature, gas hourly space velocity(GHSV), CH4/O2 ratio and diluents gas (mol% N2) and aspects of catalytic performance including conversion of methane, C2 products selectivity, yield of C2 and C2H4/C2H6 ratio. In order to prevent network complexity, principal component analysis method was used and the numbers of output parameters were reduced from 4 to 2. For the first output and the second output, there were optimum network with 4-9-1 (one hidden layer which includes 9 neurons) topology and 4-6-1 (one hidden layer which includes 6 neurons) topology prepared, respectively.

کلیدواژه ها:

oxidative coupling of methane OCM ، Mn ، Na2Wo4 ، SIo2catalyst ، principal components ، artificial neural network ANN

نویسندگان

m.r ehsani

Department of Chemical Engineering, Isfahan University of Technology, Isfahan ۸۴۱۵۶-۸۳۱۱۱, Iran

h bateni

Department of Chemical Engineering, Isfahan University of Technology, Isfahan ۸۴۱۵۶-۸۳۱۱۱, Iran

gh razi parchikolaei

Department of Chemical Engineering, Isfahan University of Technology, Isfahan ۸۴۱۵۶-۸۳۱۱۱, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • A. Farsi, A. Moradi, S. Ghader, V. Shadravan, Z. A. ...
  • W. Zheng, D. Cheng, N. Zhu, F.Chen, X. Zhan, Studies ...
  • P. K. Kundu, Y. Zhang, A. K. Ray, Modeling and ...
  • A. Talebizadeh, Y. Mortazavi, A.A. Khodadadi, Comparative study of the ...
  • A. Nouralishahi, H. Pahlav anzadeh, J. T. Daryan, Determination of ...
  • A. Malekzadeh, A. Khodadadi, M. Abedini, M. Amini, A. Bahramian, ...
  • S. Mahmoodi, M.R. Ehsani, S.M. Ghoreishi, Effect of promoter in ...
  • M. W. Gardner, S. R. Dorling, Artificial neural network (the ...
  • D. M. Himmelblau, Applications of Artificial Neural Networks in Chermical ...
  • E. A. Medina, J. I. P. Paredes, Artificial neural network ...
  • B. Yegnanaray ana, Artificial Neural Networks, Prentice Hal Of India, ...
  • J.A. Blasco, N. Fueyo, J.C. Larroya, C. Dopazo, Y. J. ...
  • J. Michalopoulos , S. P _ adokonstadaks _ G. Arampatzis, ...
  • I. Istadi, N. A. S. Amin, Modelling and optimization of ...
  • The _ Chemical Engineering Congress & Exhibition (IChEC 201I) Kish, ...
  • K. L. Priddy, P. E. Keller, Artificial neural networks: An ...
  • S. K. Lahiri, K. C. Ghanta, Artificial neural network modl ...
  • E. Barshan, A. Ghodsi, Z. Azimifar, M. Z. Jahromi, Supervised ...
  • I. T. Jolliffe, Principal component analysis, _ Springer-Verlage, New York, ...
  • F. S. Lhabitant, Hedge funds: quantitative insights, John Wily and ...
  • نمایش کامل مراجع