|
|
|
|
کاربرد شبکه عصبی مصنوعی در مدل‌سازی qspr جهت نیتروژن زدایی سوخت با استفاده از مایعات یونی
|
|
|
|
|
|
|
|
نویسنده
|
آمره مهدیه ,ابراهیم‌پور گرجی علی ,ثباتی محمدامین
|
|
منبع
|
همايش بين المللي هوش مصنوعي، علم داده و تحول ديجيتال در صنعت نفت و گاز - 1401 - دوره : 1 - همایش بین المللی هوش مصنوعی، علم داده و تحول دیجیتال در صنعت نفت و گاز - کد همایش: 01221-37478 - صفحه:0 -0
|
|
چکیده
|
به دلیل معایب ناشی از حضور ترکیبات حاوی نیتروژن در سوخت، نیتروژن زدایی از سوخت اهمیت ویژه‌ای دارد. روش نیتروژن زدایی استخراجی با استفاده از مایعات یونی به دلیل مزایای قابل‌توجه خود یکی از روش‌های نیتروژن زدایی از سوخت است که امروزه توجه محققان را به خود جلب کرده است. جهت شناسایی مایعات یونی مناسب در روش مذکور تاکنون مطالعات تجربی مختلفی صورت گرفته است اما این مطالعات به دلیل نیاز به صرف هزینه و زمان زیاد، بسیار محدود می‌باشند. بنابراین، روش‌های مدل‌سازی تئوری جهت جایگزینی مطالعات تجربی مورد بررسی قرارگرفته‌اند. در این مطالعه سعی شده است تا به کمک روش مدل‌سازی ارتباط کمّی ساختار-خاصیت (qspr) و با جمع‌آوری 51 سیستم سه‌جزئی شامل مایع یونی، ترکیب نیتروژن دار (پیریدین) و حلال هیدروکربنی، جزء مولی پیریدین در فاز غنی از مایع یونی (y2) پیش‌بینی شود. روش رگرسیون خطی چندگانه (mlr) جهت توسعه مدل خطی و شبکه پرسپترون چندلایه (mlp) جهت توسعه مدل غیرخطی مورد استفاده قرار گرفته است. طبق نتایج، مدل غیرخطی (9871/0 = r2 و 1660/9 = aard%) دقت بالاتری نسبت به مدل خطی (7386/0 = r2 و 7823/48 aard% =) جهت پیش‌بینی y2 دارد. ازاین‌رو، مطالعه حاضر توانایی بالای شبکه عصبی مصنوعی را به‌عنوان زیرمجموعه‌ای از هوش مصنوعی در توسعه مدل‌های qspr نشان می‌دهد.
|
|
کلیدواژه
|
نیتروژن زدایی استخراجی، ارتباط کمّی ساختار-خاصیت (qspr)، شبکه عصبی مصنوعی، مایعات یونی
|
|
آدرس
|
, iran, , iran, , iran
|
|
پست الکترونیکی
|
sobati@iust.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Applying artificial neural network in QSPR modeling for extractive denitrogenation of fuels using ionic liquids
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|