پيش‌ بيني حلاليت تعادل دي ‌اكسيدكربن در محلول تري ‌اتانول آمين + پيپرازين + آب با استفاده از مدل‌ سازي شبكۀ عصبي مصنوعي

در اين مطالعه، مدل‌ مبتني بر هوش مصنوعي براي پيش ‌بيني حلاليت تعادلي دي‌ اكسيدكربن در سامانۀ حلال آمين (تري‌اتانول آمين + پيپرازين + آب) با هدف جذبدي‌اكسيدكربن ايجاد شده است. در مدل پرسپترون چندلايه، داده‌هاي حلاليت (بارگذاري دي‌اكسيدكربن در محلول آمين) به‌عنوان تابعي از فشار جزئي دي‌اكسيدكربن، دماي سامانه و تركيب آمين بررسي شد. الگوريتم لونبرگ- ماركوارت پس‌انتشار براي پيش‌بيني فشار جزئي دي‌اكسيدكربن استفاده شد. نسبت نهايي آموزش، اعتبارسنجي و مجموعۀ داده‌هاي آزمايشي تقريباً 70:15:15 بود. ساختار بهينۀ پرسپترون چندلايه (MLP) در الگوريتم لونبرگ- ماركوارت براي فشار جزئي دي‌اكسيدكربن با 20 نورون در اولين لايۀ پنهان و 10 نورون در لايۀ پنهان دوم ايجاد شده است. ضريب همبستگي 0.995 بين نتايج تجربي و محاسبات شبكۀ عصبي مصنوعي وجود دارد كه سازگاري عالي بين آن‌ها را نشان مي‌دهد. بهترين عملكرد اعتبارسنجي 0.0043497 از دورۀ 13 بود. به‌طور كلي، نتايج نشان مي‌دهد كه مدل اعمال‌شده مي‌تواند پيش‌بيني دقيقي از فشار جزئي و يا حلاليت براي شرايط مختلف عملياتي ارائه دهد.