پیش بینی فرایند ریفرمینگ خشک متان با استفاده از شبکه های عصبی مصنوعی

در سال های اخیر واکنش ریفرمینگ خشک متان جهت تبدیل به گاز سنتز مورد توجه بسیار زیادی قرار گرفته است. این فرایند فواید زیست محیطی چشمگیری دارد و در آن دو گاز گلخانه ای متان و دی اکسید کربن به عنوان ماده اولیه به ماده باارزشی به نام گاز سنتز تبدیل می شوند. به علاوه گاز سنتز تولیدی دارای مونوکسید کربن بالایی می باشد که برای سنتز مواد اکسیژن دار گران قیمت کاربرد دارد. در این پژوهش داده های تجربی ریفرمینگ خشک متان با استفاده از شبکه های عصبی پرسپترون چند لایه مدل شده است که انطباق بسیار خوبی با داده های تجربی دارد.

کلیدواژه ها:

ریفرمینگ خشک ، گاز سنتز ، شبکه های عصبی