بهينه‎سازي گوگردزدايي استخراجي نمونه سوخت با يك حلال يوتكتيك عميق جديد سبز با استفاده از الگوريتم ژنتيك -شبكه عصبي

در اين مطالعه سولفورزدايي استخراجي دي بنزوتيوفن از نرمال‌هگزان به‎عنوان مدل سوخت با استفاده از 1 و 10 -فنانترولين 2 و 9 دي كربوكساميد كلريد آهن بر پايه كولين كلريد به‎عنوان حلال يوتكتيك عميق سبز، جديد و كارا مورد بررسي قرار گرفت. حلال يوتكتيك عميق سنتز شده با تكنيك‎هاي اسپكتروسكوپي مادون قرمز (FTIR) و رزوناس مغناطيسي هسته هيدروژن و كربن (H NMR, C NMR) مشخصه‎يابي شد. اثر پارامترهاي موثر بر فرآيند شامل نسبت جرمي نمونه سوخت به حلال يوتكتيك، دما، و زمان مورد بررسي قرار گرفتند و در شرايط بهينه براي cc 10 محلول mg/L 500 دي بنزوتيوفن در نرمال‌هگزان، در نسبت جرمي نمونه سوخت به حلال يوتكتيك 33.5، دماي 25ºC و زمان min 15 ماكزيمم درصد گوگردزدايي 0.5 ± 93.5 به‎دست آمد. مد‎‌‎ل‎سازي نتايج تجربي به‎دست آمده به‎وسيله الگوريتم ژنتيك بر پايه شبكه عصبي مصنوعي پيش‎بيني و بهينه‎سازي شدند. با به‎كارگيري ژنتيك الگوريتم مقادير بهينه 34.4، 33ºC/27، و min 16.99 به‎ترتيب براي نسبت جرمي نمونه سوخت به حلال يوتكتيك، دما و زمان به‎دست آمد كه بيانگر پتانسيل و توانايي بالاي مدل به‎كار رفته در بهينه‎سازي روش پيشنهادي است.