این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
شیمی و مهندسی شیمی ایران، جلد ۳۹، شماره ۳، صفحات ۱۴۱-۱۵۴
عنوان فارسی استفاده از شبکه عصبی ANFIS و MLP در پیش‌بینی استخراج ترکیب های آروماتیکی از ترکیب های آلیفاتیکی توسط مایع‌های یونی
چکیده فارسی مقاله یکی از فرایند‌های اصلی در صنایع پالایشی صنعت نفت، استخراج هیدروکربن‌های آروماتیک از هیدروکربن‌های آلیفاتیک است. بر این اساس پیش‌بینی دقیق رفتار فازی این سامانه‌ها می‌تواند باعث بهبود استخراج مایع ـ مایع شود.  در این مطالعه، رفتار ترمودینامیکی فازی سامانه سه‌جزئی هیدروکربن‌های آلیفاتیک و آروماتیک به همراه مایع­ های یونی توسط سامانه استنتاجی فازی ـ عصبی تطبیقی (ANFIS) و شبکه عصبی پرسپترون چند لایه (MLP) پیش‌بینی ‌شد.  ورودی‌های مدل در مدل‌سازی سامانه استخراج مایع  ـ  مایع،  نسبت مولی ترکیب های آلیفاتیک، آروماتیک و مایع های یونی در خوراک و هم­چنین جرم مولکولی آ­­ن­ ها و دمای سامانه استخراج در نظر گرفته شد و همچنین خروجی مدل نیز نسبت مولی ترکیب­ های آلیفاتیک و آروماتیک در فاز غنی از آلکان و نسبت مولی ترکیب های آروماتیک و مایع های یونی در فاز غنی از مایع های یونی در نظر گرفته شد. پارامترهای طراحی این شبکه‌های عصبی ازجمله تعداد نرون و شعاع خوشه‌چینی شبکه‌های MLP و ANFIS به منظور بهتر شدن دقت پیش‌بینی آن­ ها، با روش بهینه‌سازی تکاملی الگوریتم ژنتیک (GA) بهینه شدند. مقایسه دقت پیش‌بینی شبکه‌های ANFIS و MLP با داده‌های آزمایش بر اساس پارامترهای آماری R2 ، RMSD و MAD برای مدل ANFIS به ترتیب 9996/0، 0190/0 و0129/0 و برای مدل شبکه عصبی MLP به ترتیب 9996/0، 0204/0 و0127/0 به‌دست آمد. همچنین مقایسه‌ای بین دقت پیش‌بینی شبکه‌های ANFIS و MLP با مدل ترمودینامیکی NRTL برای دو سامانه گوناگون استخراج مایع ـ مایع انجام شد، میانگین RMSD  آن‌ها برای دو سامانه استخراج به ترتیب 0093/0، 0110/0 و 0113/0 به‌دست آمد. نتیجه­ های پارامترهای آماری نشان دهنده این است که این شبکه‌ها در پیش‌بینی رفتار ترمودینامیکی تعادل مایع ـ  مایع با دقت به نسبت مناسبی دارند و روش مؤثری هستند.
کلیدواژه‌های فارسی مقاله استخراج مایع ـ مایع،سامانه استنتاجی فازی ـ عصبی تطبیقی (ANFIS)،شبکه عصبی پرسپترون چند لایه (MLP)،الگوریتم ژنتیک (GA) و مایع‌های یونی،
عنوان انگلیسی Using ANFIS and MLP Neural Networks in Predicting the Extraction of Aromatic Compounds from Aliphatic Compounds by Ionic Liquids
چکیده انگلیسی مقاله One of the main processes in the refining industries of the oil industry is the extraction of aromatic hydrocarbons from aliphatic hydrocarbons. Accordingly, accurate prediction of the phase behavior of these systems can improve liquid-liquid extraction.  In this study, the phase thermodynamic behavior of the ternary system of aliphatic and aromatic hydrocarbons with ionic liquids is predicted by the Adaptive Neuro-Fuzzy Inference System (ANFIS) and the Multilayer Perceptron (MLP)neural network. The model inputs were considered in modeling the liquid-liquid extraction system, the molar ratio of aliphatic, aromatic, and ionic compounds in the feed, as well as the molecular mass of the ions and the temperature of the extraction system, and the model output was the molar ratio. Aliphatic and aromatic compounds in the alkane-rich phase and molar ratio of aromatic compounds and ionic liquids in the iron-rich phase were considered. The design parameters of these neural networks, including the number of neurons and the clustering radius of the MLP and ANFIS networks, were optimized by the genetic algorithm evolution method (GA) in order to improve their prediction accuracy. Comparison of prediction accuracy of ANFIS and MLP networks with experimental data based on statistical parameters R2, RMSD, and MAD for ANFIS model was calculated 0.9999, 0.0190, and 0.0129 respectively and for MLP neural network model was 0.996, 0.0204, and 0.0127 respectively. Also, a comparison was made between the prediction accuracy of ANFIS, MLP networks and the NRTL thermodynamic model for two different liquid-liquid extraction systems, their RMSD for the two extraction systems were 0.0093, 0.0110, and 0.0113, respectively. The results of statistical parameters show that these networks have relatively good accuracy in predicting the thermodynamic behavior of liquid-liquid equilibrium and are an effective method.
کلیدواژه‌های انگلیسی مقاله استخراج مایع ـ مایع,سامانه استنتاجی فازی ـ عصبی تطبیقی (ANFIS),شبکه عصبی پرسپترون چند لایه (MLP),الگوریتم ژنتیک (GA) و مایع‌های یونی
نویسندگان مقاله محمد جواد ابراهیم خانی |
گروه مهندسی شیمی، دانشکده فنی، دانشگاه گیلان، رشت، ایران

حسین قنادزاده گیلانی |
گروه مهندسی شیمی، دانشکده فنی، دانشگاه گیلان، رشت، ایران

نشانی اینترنتی https://www.nsmsi.ir/article_35115_04373bb498696c17704e851ee3195f56.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات