کاربرد هوش مصنوعی برای پیش بینی درصد استخراج سریوم از محیط نیتراته با حلال سیانکس 572

پیش‌بینی درصد استخراج سریوم در فرایند استخراج حلالی به منظور مدیریت کارآمد فرایند امری ضروری است. بنابراین، در این مطالعه، درصد استخراج سریوم در فرایند استخراج حلالی توسط سیانکس 572 با استفاده از شبکه عصبی مصنوعی بررسی گردید. شبکه عصبی یکی از رایج‌ترین روش‌های مدلسازی و پیش‌بینی است. در این پژوهش، از شبکه عصبی چند لایه برای پیش‌بینی درصد استخراج سریوم اساس پارامترهای عملیاتی فرایند از قبیل زمان تماس، اسیدیته محلول، غلظت استخراج کننده و غلظت یون نیترات استفاده شد. مدلسازی بر اساس 39 دسته داده تحت شرایط عملیاتی مختلف انجام شد. این داده‌ها به ترتیب با نسبت 1:3 به داده‌های آموزش و آزمایش تقسیم شدند. ساختار بهینه شبکه عصبی با یک لایه مخفی (4:6:1) با استفاده از روش سعی و خطا تعیین گردید. عملکرد مدل با استفاده از معیارهای آماری ضریب همبستگی (r2) و میانگین مجموع مربعات خطا (mse) ارزیابی شد. مقدار ضریب همبستگی و میانگین مجموع مربعات خطا در مرحله آزمایش برای درصد استخراج سریوم به ترتیب 97/0 و 527/3 بدست آمد. نتایج بست آمده نشان داد، شبکه عصبی قادر است با دقت بالایی درصد استخراج سریوم را بر اساس مقادیر ورودی فرایند پیش بینی کند.