مقاله


کد مقاله : 13980228179482

عنوان مقاله : مدل‌سازی هیبریدی شبکه عصبی– الگوريتم ژنتیک برای جداسازی پارافین‌های خطی و شاخه‌ای به‌وسیله فرايند جذب به‌منظور ارتقای عدد اکتان بنزين

نشریه شماره : 12 فصل پاییز - زمستان 1399

مشاهده شده : 103

فایل های مقاله : 721 KB


نویسندگان

  نام و نام خانوادگی پست الکترونیک مرتبه علمی مدرک تحصیلی مسئول
1 نیلوفر فتوره چی n.fatourehchi@gmail.com استادیار دکترا
2 زهرا مشایخی mashayekhiz@ripi.ir استادیار دکترا
3 سعید صادقپور گلویک sadeghpours@ripi.ir استادیار دکترا
4 مجید معصومی masoumim@ripi.ir مربی کارشناسی ارشد

چکیده مقاله

پس از شناخت تأثیرات سمي و سرطان‌زایي تركيبات آلي سرب، توليد تركيبات مانند متیل ترشری بوتیل اتر، به‌عنوان افزودني براي بنزين‌هاي هيدروكربني معمولي، مطرح گرديد؛ در نتیجه، توسعه فرایندی جدید برای تولید بنزین با اکتان بالا از ترکیبات پیچیده مقطرهای سبک نفتی، به اجرا درآمد. این روش، مبتنی بر جداسازی آلکان‌های خطی و شاخه‌ای C5-C8 براساس خواص جذبی آنها، طول زنجیره و تعداد شاخه‌ها می‌باشد. در این پژوهش، مدل شبکه عصبی هیبریدی برمبنای داده‌های تجربی موجود در بانک اطلاعاتی، به‌عنوان مدلی جایگزین برای پیش‌بینی میزان جداسازی پارافین‌های خطی و شاخه‌ای توسط فرایند جذب استفاده شده است. دمای جذب، زمان جذب، عدد اکتان و چگالی هیدروکربن‌ها به‌عنوان چهار پارامتر ورودی و همچنین نسبت غلظت پارافین خطی به کل، به‌عنوان پارامتر خروجی شبکه عصبی در نظر گرفته شد. پایگاه داده آزمایشگاهی، مدل شبکه عصبی را با موفقیت تعلیم داد و سپس به کمک داده‌های تست، بررسی کرد. نتایج مدل‌سازی برای داده‌های تست، نشان از موفقیت‌آمیز بودن مدل شبکه‌های عصبی در پیش‌بینی میزان جداسازی پارافین‌های خطی از غیرخطی دارد؛ از این رو مدل شبکه عصبی مصنوعی توسعه داده شده می‌تواند برای تعیین مطمئن C/C0 در فرایند جذب به کار رود. طبق نتایج به‌دست‌آمده برای داده تست، کمترین خطای میانگین مربعات، برابر با 0518/0 به‌دست آمد که این میزان، رضایت‌بخش است. داده‌های مد‌‌ل‌سازی با داده‌های تجربی مقایسه گردید و ضریب رگرسیون برابر 99/0 حاکی از تطابق خوب نتایج تجربی و مدل‌سازی می‌باشد.