مدلسازی فرایند تراوش تبخیری جهت خالص سازی ایزوبوتانول از محلولهای آبی با کمک شبکه عصبی الگوریتم ژنتیک

در این پژوهش، به مدلسازی فرایند تراوش تبخیری که یکی از فرایند های غشایی موثر برای بازیابی ترکیبات آلی از محلولهای آبی است، با کمک شبکه عصبی مصنوعی الگوریتم ژنتیک پرداخته میشود. به منظور پیش بینی عملکرد فرایند تراوش تبخیری فلاکس کل و انتخاب پذیری از ترکیب شبکه عصبی و الگوریتم ژنتیک استفاده شده است. در این روش، ورودیهای شبکه ، غلظت خوراک ، ضخامت غشا، دبی خوراک و خروجیهای شبکه، فلاکس کل و غلظت جزء تراوا میباشد. با مشخص شدن فلاکس کل و غلظت جزء تراوا، میزان انتخاب پذیری غشا ارزیابی گردید. برای ترکیب شبکه عصبی و الگوریتم ژنتیک، شبکه پیش خور با الگوریتم آموزش پس انتشار خطا و تابع آموزش لونبرگ مارکوارت انتخاب شده است. از تابع فعالسازی Tansig برای لایه های پنهان و خروجی استفاده شد. به کمک روش الگوریتم ژنتیک تعداد 5 نرون برای لایه پنهان بدست آمد. نتایج مدلسازی به روش ترکیبی شبکه عصبی الگوریتم ژنتیک نشان داد - که این روش میتواند فلاکس کل و غلظت جزء تراوا را با دقت خوبی پیشبینی کند

کلیدواژه ها:

تراوش تبخیری ، شبکه عصبی مصنوعی الگوریتم ژنتیک ، لونبرگ مارکوارت ، ایزوبوتانول