تعیین حلالیت ماده ی آنتراسین در کربن دی اکسید فوق بحرانی بر اساس داده های مستخرج از تجهیزات نوین آزمایشگاهی

امروزه استفاده از تجهیزات پیچیده درعملیات استخراج سیالات فوق بحرانی که از روش های نوین جداسازی است، بسیار پرطرفردار است[1]. با توجه به پیچیدگی فرایند استخراج و گران بودن تجهیزات مربوطه، استفاده از تکنیک های هوش مصنوعی جهت مدلسازی فرآیندهای پیچیده و غیر خطی بسیار کارگشاست زیرا می تواند پیش بینی حلالیت هیدروکربن های اروماتیک چند حلقه ای ( pahs) در سیالات فوق بحرانی را انجام دهد، که جهت ایجاد شرایط بهینه عملیاتی مورد نیاز است[2]. کربن دی اکسید فوق بحرانی به دلیل مزایای فراوانش، از جمله خصوصیات فیزیکی مناسب، غیرقابل اشتعال و غیر خورنده بودن در محیطهای خشک، انتخاب پذیری بالا، فراوانی و ارزانی، این ماده از محبوبترین سیالات فوق بحرانی است. در این مطالعه، جهت تعیین میزان حلالیت ماده ی آنتراسین، که یک آروماتیک کاربردی در صنایع مختلف است، در کربن دی اکسید فوق بحرانی از سیستم فازی-عصبی تطبیقی استفاده شده است [-43]. بر اساس داده‌های تجربی، دما و فشار عملیاتی به عنوان پارامترهای ورودی و میزان حلالیت در دی اکسید کربن فوق بحرانی به عنوان پارامتر خروجی در نظر گرفته شدند. جهت بررسی کارایی این تکنیک هوش مصنوعی، از معیارهای ارزیابی شامل ضریب همبستگی (r2) ،ریشه میانگین مربعات خطا (rmse) و میانگین قدر مطلق خطا (mae) استفاده شد. داده های تجربی مورد استفاده در این پژوهش به کمک سیستم های ازمایشگاهی نوین استخراج به کمک سیالات فوق بحرانی بدست امده که پیش بینی حلالیت جامدات در سیالات فوق بحرانی خالص را راحت تر می کند.

determining the solubility of anthracene in supercritical carbon dioxide based on based on data extracted from the new laboratory equipment

nowadays, the use of the complex equipment for supercritical fluid extraction (sfe), which is one of the new separation methods, has become commonplace [1].considering the complexity of the extraction process and the expensiveness of the relevant equipment, the use of artificial intelligence techniques to model complex and non-linear processes is very practical as it can predict the solubility of polycyclic aromatic hydrocarbons (pahs) in supercritical fluids, which is needed to create optimal operational conditions [2]. supercritical carbon dioxide is one of the most popular supercritical fluids due to its many advantages, including suitable physical properties, non-flammability, and non-corrosiveness in dry environments, high selectivity, abundance, and cheapness. in this study, to determine the solubility of anthracene, which is an aromatic hydrocarbon used in various industries, in supercritical carbon dioxide, the adaptive neuro fuzzy inference system has been used. based on experimental data, operating temperature, and pressure were considered as input parameters, and solubility in supercritical carbon dioxide as output parameter. to check the effectiveness of this artificial intelligence technique, evaluation criteria including correlation coefficient (r2), root mean square error (rmse), and mean absolute value of error (mae) were used. the experimental data used in this research were obtained with the help of modern laboratory systems of extraction with the help of supercritical fluids, which makes it easier to predict the solubility of solids in pure supercritical fluids.