مدلسازی ستون تقطیر با استفاده از ساختار مدل arx و شبکه های عصبی مصنوعی

فرآیند تقطیر یک فرآیند صنعتی پیچیده و به شدت غیرخطی می باشد. به طور کلی پیدا کردن مدل دقیق تحلیلی از ستونهای تقطیر با خلوص بالا همواره امکان پذیر نمی باشد. از طرفی توسعه مدلهای تحلیلی معمولا وقت گیر و هزینه بر است. برای غلبه بر این مشکلات می توان از مدلهای تجربی نظیر شبکه های عصبی استفاده کرد. یکی از ایرادات اساسی شبکه های عصبی این است که پیش بینی های آن تنها در محدوده اطلاعات شناسایی معتبر است. مدلسازی ستون تقطیر در مقالات مختلف توسط شبکه های بازگشتی انجام شده است. مدلهای بازگشتی برای منظور مدلسازی مناسب می باشند ولی پیچیدگی و هزینه محاسباتی آنها بالاست. هدف این مقاله پیشنهاد یک مدل ساده و معتبر برای ستون تقطیر است. مدل پیشنهادی از شبکه مستقیم استفاده می کند که در نتیجه پارامترهای کمتری داشته و زمان آموزش آن کمتر است. نتایج شبیه سازی نشان می دهد که پیش بینی های شبکه عصبی در تمام نواحی به خروجی های مدل واقعی نزدیکتر بوده و خطا قابل چشم پوشی می باشد. این نتیجه بیانگر این است که مدل در تمام نواحی معتبر است.