مدلسازی جذب کربن دی اکسید منتشر شده از صنایع شیمیایی با استفاده از مایعات یونی

در این مطالعه، بر اساس دمای بحرانی، فشار بحرانی و ضریب بی مرکزی مایعات یونی مختلف، یک مدل شبکه عصبی پرسپترون چند لایه (MLP-ANN) و مدلی دیگر با ترکیب الگوریتم ازدحام ذرات و سیستم فازی عصبیتطبیقی (PSO-ANFIS) به منظور پیشبینی حلالیت کربن دی اکسید در مایعات مختلف یونی در محدوده وسیعی از دما، فشار و غلظت ارایه شده است. بدین منظور، تعداد 688 داده آزمایشگاهی که برگرفته از مقالات پیشین چاپشده می باشد، استفاده شده است. برای ارزیابی مدل های ارایه شده، آنالیز های آماری همچون تحلیل رگرسیون، میانگین مربع خطا و درصد میانگین خطای مطلق انجام شده است. نتایج بدست آمده توانایی دو مدل را به خوبی درپیشبینی حلالیت کربن دی اکسید به خصوص مدل شبکه عصبی به اثبات رساند. ضریب همبستگی و میانگین مربع خطاها برای مدلMLP-ANN به ترتیب 0/998و0/000145بوده در حالی که این مقادیر برای مدل دیگر0/97و0/000637 بدست آمده است. در نهایت ، عملکرد مناسب MLP-ANN برPSO-ANFIS به منظور پیشبینی حلالیت کربن دی اکسید در مایعات مختلف یونی نشان داده شده است

کلیدواژه ها:

حلالیت ، کربن دی اکسید ، مایعات یونی ، شبکه عصبی ، سیستم فازی عصبی تطبیقی