مقایسه روشهای مبتنی بر هوش مصنوعی برای پیش بینی بازیابی انحلال اکسید آلومینیوم در فرایند بایر - کارخانه آلومینای جاجرم

ارتباط بین بازیابی انحلال آلومینا در فرایند بایر با واحدهای شیمیایی بوکسیت، فرایندهایی را موجب می شود که با دقت بالایی توسط مدلسازی های هوشمند شبیه سازی می شوند در این مقاله بازیابی انحلال اکسید آلومینیوم بر پایه نسبتهای آنالیز کانسنگ ورودی به کارخانه (Al2O3/Fe2O3 Al2O3/TiO2 Al2O3/SiO2) به سه روش شبکه عصبی پرسپترون چندلایه، شبکه عصبی تابع پایه شعاعی و روش نزدیک ترین همسایگی پیش بینی و مقایسه شده است مجموعه داده مورد استفاده شامل 332 نمونه از آنالیز های شیمیایی روزانه کارخانه صنعتی آلومینای جاجرم برای بوکسیت و گل قرمز حاصل از آن می باشد نتایج نشان دهنده مناسب بودن سه روش مورد بررسی است با این وجود شبکه عصبی تابع پایه شعاعی چه ا زنظر صحت عملکرد و چه از نظر سرعت اجرا به ویژه هنگامی که تعداد داده ها افزایش یابد، بهترین گزینه بوده و بازیابی انحلال اکسید آلومینیوم را در مقیاس صنعتی با دقت میانگین قابل قبول 0.09 ازمقادیر بازیابی تعیین شده واقعی پیش بینی می نماید الگوریتم های مذکور می توانند به عنوان روشهای جدید در این صنعت برای پیش بینی بازیابی انحلال بوکسیت در فرایند بایر، هنگامی که بوکسیت ا زمنابع مختلف و با ترکیبات شیمیایی متفاوت به کارخانه خوراکدهی می شود، بکار گرفته شوند.

کلیدواژه ها:

آلومینا ، انحلال ، شبکه عصبی پرسپترون چندلایه ، شبکه عصبی تابع پایه شعاعی ، نزدیکترین همسایگی