مدل سازی آبزدایی از استون با استفاده از غشای پلی اکریلونیتریل و پلی اتیلن گلایکول به کمک شبکه عصبی مصنوعی

در این مطالعه اثر پارامتر های (دبی حجمی و دما) و خصوصیات خوراک (فاکتور جداسازی و فلاکس) بر کارایی فرآیند آبزدایی مورد بررسی قرار گرفته است و از شبکه عصبی پرسپترون چند لایه پیشخور با الگوریتم آموزش پس انتشار خطا و تابع آموزش لونبرگ مارکوارت (Trainlm) با 2 ورودی و 2 خروجی استفاده شد. از تابع فعال سازی Tansig برای لایه پنهان و Purelin برای لایه خروجی استفاده شد و تعداد 5 نورون برای لایه پنهان تعیین شد. بعد از پردازش داده ها 70 درصد آن ها برای آموزش، 15 درصد برای اعتبارسنجی و 15 درصد مابقی برای آزمایش قرار داده شدند. نتایج حاصل از این مطالعه با استفاده از این روش دقت مناسبی را نشان می دهد و نمودار درصد خطای مقدار واقعی خروجی های فاکتور جداسازی و فلاکس با مقدار مدل سازی توسط غشای پلی اکریلونیتریل و پلی اتیلن گلایکول برای عملکرد تراوش تبخیری برای جداسازی آب از استون محاسبه گردید و نمودار آن رسم شد.

کلیدواژه ها:

مدل سازی ، آبزدایی ، استون ، غشای پلیمری ، شبکه عصبی مصنوعی