پیش‌بینی شار انتقال جرم CO2 در محلول‌های آمین با استفاده از شبکه‌های عصبی

در این تحقیق، برای پیش بینی شار انتقال جرم کربن دی اکسید در محلول پیپرازین از شبکه پرسپترون چند لایه استفاده شده است. پارامترهای موثر بر شار انتقال جرم کربن دی اکسید شامل غلظت کربن دی اکسید در سطح مشترک و در بالک مایع، ضریب بارگذاری، نسبت ضریب نفوذ کربن دی اکسید فاز گاز به مایع، نسبت فشار جزیی کربن دی اکسید به فشار کل، نسبت ضخامت فیلمی فاز گاز به مایع و پارامتر فیلم، به عنوان متغیرهای ورودی و شار انتقال جرم کربن دی اکسید به عنوان متغیر خروجی شبکه انتخاب شدند. برای آموزش، آزمون و ارزیابی شبکه عصبی پرسپترون چند لایه از داده های تجربی ارایه شده در مقالات بهره گرفته شده است. تعداد داده های تجربی به‌کار رفته، 104 داده و محدوده غلظت پیپرازین 2 تا 8 مولال بوده است. نتایج پیش بینی شبکه پرسپترون نشان داد که متوسط خطا برای شار انتقال جرم کربن دی اکسید 61/8 درصد است. نتایج شبکه های عصبی با نتایج دیگر محققان نیز مقایسه شد و نتایج نشان داد که شبکه عصبی شار انتقال جرم کربن دی اکسید را با دقت و سرعت بیشتری محاسبه می‌کند.