مدل سازی راکتورهای SBR با استفاده از روش های هوش مصنوعی جهت تصفیه پساب واحدهای پتروشیمی PVC و VCM
محل انتشار: سمینار تخصصی نفت، گاز و محیط زیست
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,221
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TSOGE01_021
تاریخ نمایه سازی: 18 اردیبهشت 1387
چکیده مقاله:
با گسترش استفاده از PVC یا پلی وینیل کلراید در صنایع مختلف و افزایش واحدهای تولید و پلیمریزاسیون VCM به PVC، ضایعات ناشی از فرآیند تولید آنها به عنوان یکی از مخرب ترین و خطرناک ترین پسماندها به شمار می روند. به نحوی که توجه به روش های نوین جهت تصویه پساب های این واحد در مجتمع های پتروشیمیایی از راکتورهای SBR استفاده می شود. در این مطالعه از روش شبکه عصبی مصنوعی جهت مدل سازی این راکتور استفاده شده است. مدل شبکه عصبی ارائه شده با ساختار MLP توانسته است با میزان خطای RMSE=0/208 غلظت های COD و VSS را در جریان یک سیکل این راکتور پیش بینی کند. همچنین مدل سازی با ساختار سیستم استنتاج فازی- عصبی تطابقی (ANFIS) نیز توانسته است با استفاده از خوشه بندی جزئی داده ها، میزان خطای این مدل را با داده های آزمایشگاهی تا RMSB=0/0035 این امر نشان دهنده سهولت، دقت و توانایی مدل های شبکه عصبی مصنوعی و سیستم استنتاج فازی- عصبی برای استفاده جهت این راکتورها در واحدهای پتروشیمی PVC و VCM است.
کلیدواژه ها:
نویسندگان
معین نواب کاشانی
آزمایشگاه تحقیقاتی شبیه سازی و کنترل فرآیند، دانشکده مهندسی شیمی، د
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 :