مدل سازی عملکرد غشای زمینه مخلوط با سیلیکای میان متخلخل mcm-41 با استفاده از شبکه عصبی مصنوعی

در این پژوهش عملکرد غشای زمینه مخلوط سنتز شده از ماتریس پلیمری حاوی پرکننده سیلیکای میان متخلخل mcm-41 به منظور جداسازی گازهای co2 و ch4 با استفاده از شبکه عصبی مصنوعی مدل سازی شد. قطر متوسط حفرات، حجم حفره، مساحت سطح ویژه و اندازه ذرات پرکننده به عنوان خواص ساختاری ذرات، غلظت پرکننده در ماتریس غشاء و شرایط عملیاتی دما و فشار بالادستی به عنوان 7 پارامتر ورودی شبکه و تراوایی دی اکسیدکربن و متان به عنوان 2 پارامتر خروجی شبکه در نظر گرفته شد. برای مدل سازی از شبکه پرسپترون چند لایه با الگوریتم آموزش لونبرگ – مارکوآرت و منظم سازی بیزین استفاده گردید. تعداد بهینه لایه ها و نرون های لایه مخفی (آرایش 7:9:2) با حدس و خطا تعیین شد. نتایج مدل سازی با داده های تجربی مقایسه شد. نتایج، معرف تطابق عالی بین داده های تجربی و پیش بینی شده با ضریب همبستگی (997/0r2=) و خطای بسیار پایین (0093/0mse=) بود. بنابراین می توان بیان نمود که شبکه عصبی مصنوعی یک روش قوی برای پیش بینی تراوایی گازها در غشاهای زمینه مخلوط با دقت بالا است.