مدلسازی عملکرد غشای زمینه مخلوط با سیلیکای میان متخلخل MCM-۴۱ با استفاده از شبکه عصبی مصنوعی

در این پژوهش عملکرد غشای زمینه مخلوط سنتز شده از ماتریس پلیمری حاوی پرکننده سیلیکای میان متخلخل MCM-۴۱ به منظور جداسازی گازهای CO۲ و CH۴ با استفاده از شبکه عصبی مصنوعی مدلسازی شد. قطر متوسط حفرات، حجم حفره، مساحت سطح ویژه و اندازه ذرات پرکننده به عنوان خواص ساختاری ذرات، غلظت پرکننده در ماتریس غشاء و شرایط عملیاتی دما و فشار بالادستی به عنوان ۷ پارامتر ورودی شبکه و تراوایی دی اکسیدکربن و متان به عنوان ۲ پارامتر خروجی شبکه در نظر گرفته شد. برای مدلسازی از شبکه پرسپترون چند لایه با الگوریتم آموزش لونبرگ - مارکوآرت و منظم سازی بیزین استفاده گردید. تعداد بهینه لایه ها و نرون های لایه مخفی (آرایش ( ۷:۹:۲ با حدس و خطا تعیین شد. نتایج مدلسازی با داده های تجربی مقایسه شد. نتایج، معرف تطابق عالی بین داده های تجربی و پیش بینی شده با ضریب همبستگی (R۲=۰/۹۹۷) و خطای بسیار پایین (MSE=۰/۰۰۹۳) بود. بنابراین می توان بیان نمود که شبکه عصبی مصنوعی یک روش قوی برای پیش بینی تراوایی گازها در غشاهای زمینه مخلوط با دقت بالا است.

کلیدواژه ها:

غشای زمینه مخلوط ، عملکرد جداسازی گاز ، مدلسازی ، شبکه عصبی مصنوعی ، تراوایی گاز