کاربرد شبکه عصبی مصنوعی در مدلسازی فرآیند های فتوکاتالیستی جهت تصفیه پساب نفتی پالایشگاه
محل انتشار: چهارمین همایش ملی شیمی،پتروشیمی و نانو ایران
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 457
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TCPCO04_001
تاریخ نمایه سازی: 8 اردیبهشت 1396
چکیده مقاله:
صنایع نفت به مقدار زیادی آب به منظور پالایش و فرآوری نیاز دارند و در نتیجه تولید حجم زیادی پساب در اثر فعالیت پالایشگاه ها، امریاجتناب ناپذیر است. پساب پالایشگاه ها در گروه پساب های ضعیف و پیچیده طبقه بندی می شود از این روتصفیه آن دشوار است. ترکیباتآروماتیکی ازقبیل فنل، بنزن ،تولوین وترکیبات مشتق شده ازآن درپساب خروجی ازصنایعی ازقبیل پالایش نفت وجوددارند.فرآیندفتوکاتالیستی یکی ازفرآیندهای اکسیداسیون پیشرفته است ،که توانایی آن برای حذف انواع ترکیبات سمی وسخت تجزیه پذیر اثبات شدهاست به منظور صرفه جویی اقتصادی و جلوگیری از تکرار آزمایشات ، از مدلسازی فرآیند های فتوکاتالیستی می توان به عنوان ابزاری مطمیناستفاده نمود.از میان روش های مدلسازی، شبکه عصبی مصنوعی دارای دقت و کاربرد زیادی در فرآیند های بیوتکنولوژی می باشد. نتایجحاصل از این مطالعه نشان داد که ضریب همبستگی بدست آمده ، به 1رسیده است، که این بیانگر آن است که تطابق خوبی بین داده هایواقعی و مقادیر پیش بینی شده توسط مدلسازی وجود دارداز مجموع 30 داده موجود در این زمینه، دو سوم آن جهت آموزش شبکه و یک سوم باقیمانده به منظور ارزیابی دقت مدلسازی انتخاب گردید. در آموزش شبکه تابع انتقال میانی Tribas و تابع انتقال خروجی Purelinتعداد نورون ها 2 به عنوان بهترین پارامتر ها تعیین گردید. میزان خطای آموزش شبکه 0.5724 و خطای ارزیابی دقت شبکه 1.0874 بدست آمد.
کلیدواژه ها:
نویسندگان
عباس خوشحال
استادیار مهندسی شیمی ، دانشگاه پیام نور تهران
فرشته ناظمی هرندی
کارشناس ارشد مهندسی شیمی، دانشگاه پیام نور تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :