مدل سازی آبزدایی از ترکیبات آلی با استفاده از غشا های پلیمری به کمک شبکه عصبی مصنوعی

این مطالعه به بررسی میزان جداسازی آب و الکل توسط فرآیند تراوش تبخیری و با استفاده از غشاهای پلیمری و به کمکمدل سازی با استفاده از شبکه عصبی مصنوعی پرداخته است. فرآیند تراوش تبخیری برای جداسازی بسیاری از مایعات (در اینمطالعه برای جداسازی اتانول، استون، بوتانول از آب( کاربرد دارد، که تمام این الکل ها مشکلات تخلیص دارند که این به علتآزیوتروپی است که با آب ایجاد می کنند. میزان دیتای تجربی با دیتایی که از مدل به دست آمد مقایسه و تحلیل شد.در این مطالعه اثر پارامتر های (دبی حجمی و دما) و خصوصیات خوراک (فاکتور جداسازی و فلاکس) بر کارایی فرآیند آبزداییمورد بررسی قرار گرفته است و از شبکه عصبی پرسپترون چند لایه پیشخور با الگوریتم آموزش پس انتشار خطا و تابع آموزشلونبرگ مارکوارت (Trainlm) با 2 ورودی و 2 خروجی استفاده شد. از تابع فعال سازی Tansig برای لایه پنهان و Purelin برایلایه خروجی استفاده شد و تعداد 5 نورون برای لایه پنهان تعیین شد. بعد از پردازش داده ها 70 درصد آن ها برای آموزش، 15درصد برای اعتبارسنجی و 15 درصد مابقی برای آزمایش قرار داده شدند. نتایج حاصل از این مطالعه با استفاده از این روش دقتمناسبی را نشان می دهد و نمودار درصد خطای مقدار واقعی خروجی های فاکتور جداسازی و فلاکس را با مقدار مدل سازی توسطغشا های مربوطه برای عملکرد تراوش تبخیری برای جداسازی آب از اتانول، استون و بوتانول محاسبه گردید و نمودار آن رسم شد.

کلیدواژه ها:

مدل سازی ، آبزدایی ، ترکیبات آلی ، غشای پلیمری ، شبکه عصبی مصنوعی