مدلسازی جذب ناپیوسته در راکتورهای بهم خورنده توسط مدل HSD ومدل های هوشمند ANN و LS-SVM

فرآیند جذب برای حذف مواد محلول در یک سیال با استفاده از برقراری تماس آن سیال با یک جاذب جامد محلول دریک سیال دیگر استفاده می شود. در این تحقیق اثر پارامترهای سیستم بر روی جذب برمو فنول توسط کربن فعال، مانند دور همزن، و غلظت اولیه بررسی شده است. مدل شبکه عصبی مصنوعی ANN و مدل هوشمند سیستم ماشین برداری با حداقل مربعات SVM-LS به عنوان دو مدل هوشمند و مدل نفوذ سطحی همگن HSD به عنوان مدل تحلیلی برای مدلسازی فرآیند جذب در راکتورهای بهم خورنده در این مطالعه بکار گرفته شده اند. به منظور تعیین دقت این مدلها، مقایسه ای از لحاظ آماری بین نتایج آزمایشات و مقادیر پیش بینی شده توسط مدلها صورت گرفته است. آنالیز آماری انجام گرفته شامل تابع های خطای ضریب همگرایی 2R خطای نسبی متوسط ARE ، مجموع خطای مطلق SAE ( و آزمون آماری ) 2χ میباشد. نتایج مدلسازی نشان می دهد که هر سه مدل ANN ، LS-SVM و HSD در پیش بینی نتایج آزمایش جذب ناپیوسته در راکتور بهم خورنده، کارآمد بوده و از دقت خوبی برخوردارند.

کلیدواژه ها:

مدلسازی ، جذب ناپیوسته در راکتورهای بهم خورنده ، مدل شبکه عصبی مصنوعی ، مدل هوشمند سیستم ماشین برداری با حداقل مربعات ، مدل نفوذ سطحی همگن ، مقایسه آماری