مدلسازي جذب كربن دي اكسيد منتشر شده از صنايع شيميايي با استفاده از مايعات يوني

در اين مطالعه، بر اساس دماي بحراني، فشار بحراني و ضريب بي مركزي مايعات يوني مختلف، يك مدل شبكه عصبي پرسپترون چند لايه (MLP-ANN) و مدلي ديگر با تركيب الگوريتم ازدحام ذرات و سيستم فازي عصبي تطبيقي(PSO-ANFIS) به منظور پيشبيني حلاليت كربن دي اكسيد در مايعات مختلف يوني در محدوده وسيعي از دما، فشار و غلظت ارائه شده است. بدين منظور، تعداد 866 داده آزمايشگاهي كه برگرفته از مقالات پيشين چاپ شده مي باشد، استفاده شده است. براي ارزيابي مدل هاي ارائه شده، آناليز هاي آماري همچون تحليل رگرسيون، ميانگين مربع خطا و درصد ميانگين خطاي مطلق انجام شده است. نتايج بدست آمده توانايي دو مدل را به خوبي در پيشبيني حلاليت كربن دي اكسيد به خصوص مدل شبكه عصبي به اثبات رساند. ضريب همبستگي و ميانگين مربع خطاها براي مدل MLP-ANN به ترتيب 998/ 0 و 000145 /0 بوده در حالي كه اين مقادير براي مدل ديگر 97 /0 و000637/ 0 بدست آمده است. در نهايت ، عملكرد مناسب MLP-ANN بر PSO-ANFIS به منظور پيشبيني حلاليت كربن دي اكسيد در مايعات مختلف يوني نشان داده شده است.