پیش بینی تعادل مایع- بخار در سیستم های شامل هیدروکربن های سبک با استفاده از شبکه عصبی مصنوعی و معادلات حالت

در این مقاله یک شبکه عصبی مصنوعی برای محاسبه ثابت تعادل بخار- مایع در سیستم های شامل هیدروکربن های سبک ارائه گردیده است. ده سیستم برای آموزش و تست شبکه به کار رفته است. طبق نتایج به دست آمده، بهینه طراحی ممکن برای شبکه عصبی، شبکه پیش خور با الگوریتم پس انتشار خطا، تابع آموزش انتشار رو به عقب لونبرگ مارکوارت، تابع انتقال تانژانت هایپربویک و 17 نرون برای لایه مخفی و تابع انتقال خطی برای لایه خروجی است خروجی شبکه شامل فشار و جزء مولی ماده اول در فاز گاز است. نتایج نشان می دهند که توسط شبکه عصبی بهینه شده می توان مقادیر ثابت تعادل را با ضریب همبستگی (R2) برابر 0.9999 و درصد میانگین انحراف نسبی (ARD%) برابر 1.31 پیش بین کرد. شبکه عصبی بهتر از معادلات حالت شامل Peng Robinson و Redlich–Kwong- Soave نتایج تعادل را پیش بینی می کند.

کلیدواژه ها:

تعادل مایع- بخار ، شبکه عصبی مصنوعی ، هیدروکربن های سبک ، Soave–Redlich–Kwong ، Peng Robinson