CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Prediction of vapor liquid equilibrium data of CO2 in aqueous solution of methyldiethanol amine using thermodynamic and artificial intelegent models

اعتبار موردنیاز: ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۲۵۳ | نظرات: ۰
سال انتشار: ۱۳۹۰
کد COI مقاله: ICHEC07_245
زبان مقاله: انگلیسی
حجم فایل: ۵۷۰.۱۴ کلیوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله Prediction of vapor liquid equilibrium data of CO2 in aqueous solution of methyldiethanol amine using thermodynamic and artificial intelegent models

  a.a Khoshmaram - Department of Chemical Engineering, Iran University of Science and Technology, P.O. Box: 16765-163, Tehran, Iran
  m Kianpour - Department of Chemical Engineering, Iran University of Science and Technology, P.O. Box: 16765-163, Tehran, Iran
  a Ghaemi - Department of Chemical Engineering, Iran University of Science and Technology, P.O. Box: 16765-163, Tehran, Iran
  sh Shahhosseini - Department of Chemical Engineering, Iran University of Science and Technology, P.O. Box: 16765-163, Tehran, Iran

چکیده مقاله:

The reliable design and optimization of the separation equipment such as natural gas treating equipment, at first requires the knowledge of the equilibrium properties in particular vapor-liquid equilibrium (VLE) data. In this work an Artificial Neural Network (ANN) model has been developed for modeling of MDEA-CO2-H2O system. Also a thermodynamic model has been used for describing the vapor-liquid equilibrium data (which applies Pitzer’s molality-scale-based equation for describing the Gibbs excess energy of the aqueous phase) of the system.The performance of ANN model to predict equilibrium data of the system were evaluated by comparing their results with the predictions of the thermodynamic model. The results indicate that ANN model can predict the equilibrium data more accurate than thermodynamic model

کلیدواژه‌ها:

Vapor liquid equilibrium, CO2 solubility, MDEA, Artificial Neural Network

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
http://www.civilica.com/Paper-ICHEC07-ICHEC07_245.html
کد COI مقاله: ICHEC07_245

نحوه استناد به مقاله:

برای بار اول: (Khoshmaram, a.a; m Kianpour; a Ghaemi & sh Shahhosseini, ۱۳۹۰)
برای بار دوم به بعد: (Khoshmaram; Kianpour; Ghaemi & Shahhosseini, ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۲۴۵۶۴
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.