مدل سازی داده های تعادلی سیستم co2-piperazine-h2o با استفاده از مدل ترمودینامیکی و شبکه های عصبی

دی اکسیدکربن مهم ترین گاز گلخانه ای می باشد که به علت فعالیت های بشر تولید آن روز به روز در حال افزایش است. افزایش گازهای گلخانه ای اثر سوء بر محیط زیست به دلیل گرم شدن زمین دارد و لازم است از انتشار آن توسط جریان گاز احتراق خروجی از صنایع به وسیله روش های جداسازی جلوگیری شود. یکی از متداول ترین روش های جداسازی دی اکسیدکربن، جذب توسط حلال های آمینی می باشد. در سال های اخیر پایپرزین به عنوان یک آمین نوع دوم، در مخلوط های آلکانول آمین به عنوان ماده فعال کننده و افزایش دهنده میزان جذب گاز اسیدی مطرح شده است و هم اکنون به عنوان یک آمین جدید در فرآیند جذب گاز اسیدی مورد مطالعه قرار می گیرد. این آمین به طور نامحدود به صورت فیزیکی در آب حل می شود و از قابلیت خوبی برای جذب گازهای اسیدی برخوردار است. در این تحقیق به طور کلی تعادل شیمیایی در فرآیند جذب و چگونگی کاهش فشار تعادلی گاز خروجی مورد بررسی قرار گرفته است. یک مدل ترمودینامیکی مبتنی بر مدل پیتزر توسعه یافته است. ضریب فعالیت اجزاء در فاز مایع توسط توابع اضافی نظیر انرژی آزاد گیبس اضافی و ضرایب فوگاسیته برای فاز بخار توسط معادلات حالت محاسبه می شوند. در این مدل معادلات ثابت های تعادل واکنش ها، قوانین تعادل و رابطه های ضریب فعالیت اجزاء به صورت معادلات جبری تبدیل شده و با استفاده از توابع نرم افزار متلب حل گردیده اند. در این تحقیق علاوه بر ارائه یک مدل ترمودینامیکی توسعه یافته، از مدل سازی داده های تعادلی توسط شبکه عصبی پرسپترونmlp و شبکه عصبی rbf نیز استفاده شده است. این شبکه ها توسط داده-های تجربی آموزش داده شده و برای پیش بینی داده های تعادلی استفاده شده است. نتایج شبکه های عصبی با نتایج حاصل از مدل ترمودینامیکی و داده های تجربی جهت تخمین میزان دقت و توانایی مدل ها مقایسه گردیده است. داده های تجربی به سه دسته تقسیم بندی شد. یک دسته از داده ها برای آموزش شبکه ها، دسته دوم برای تست و دسته سوم برای ارزیابی نتایج شبکه ها استفاده گردید. بهترین شبکه mlp برای سیستم مذکور دارای سه ورودی، 12نرون در لایه پنهان اول، 15نرون در لایه پنهان دوم و یک نرون در لایه خروجی می باشد. کمترین میزان انحراف نسبی در مقایسه شبکه عصبی با داده ترمودینامیکی مربوط به شبکه عصبی mlp می باشد که مقدار کل آن برای همه داده ها برابر با 903/2 می باشد. دی اکسیدکربن مهم ترین گاز گلخانه ای می باشد که به علت فعالیت های بشر تولید آن روز به روز در حال افزایش است. افزایش گازهای گلخانه ای اثر سوء بر محیط زیست به دلیل گرم شدن زمین دارد و لازم است از انتشار آن توسط جریان گاز احتراق خروجی از صنایع به وسیله روش های جداسازی جلوگیری شود. یکی از متداول ترین روش های جداسازی دی اکسیدکربن، جذب توسط حلال های آمینی می باشد. در سال های اخیر پایپرزین به عنوان یک آمین نوع دوم، در مخلوط های آلکانول آمین به عنوان ماده فعال کننده و افزایش دهنده میزان جذب گاز اسیدی مطرح شده است و هم اکنون به عنوان یک آمین جدید در فرآیند جذب گاز اسیدی مورد مطالعه قرار می گیرد. این آمین به طور نامحدود به صورت فیزیکی در آب حل می شود و از قابلیت خوبی برای جذب گازهای اسیدی برخوردار است. در این تحقیق به طور کلی تعادل شیمیایی در فرآیند جذب و چگونگی کاهش فشار تعادلی گاز خروجی مورد بررسی قرار گرفته است. یک مدل ترمودینامیکی مبتنی بر مدل پیتزر توسعه یافته است. ضریب فعالیت اجزاء در فاز مایع توسط توابع اضافی نظیر انرژی آزاد گیبس اضافی و ضرایب فوگاسیته برای فاز بخار توسط معادلات حالت محاسبه می شوند. در این مدل معادلات ثابت های تعادل واکنش ها، قوانین تعادل و رابطه های ضریب فعالیت اجزاء به صورت معادلات جبری تبدیل شده و با استفاده از توابع نرم افزار متلب حل گردیده اند. در این تحقیق علاوه بر ارائه یک مدل ترمودینامیکی توسعه یافته، از مدل سازی داده های تعادلی توسط شبکه عصبی پرسپترونmlp و شبکه عصبی rbf نیز استفاده شده است. این شبکه ها توسط داده-های تجربی آموزش داده شده و برای پیش بینی داده های تعادلی استفاده شده است. نتایج شبکه های عصبی با نتایج حاصل از مدل ترمودینامیکی و داده های تجربی جهت تخمین میزان دقت و توانایی مدل ها مقایسه گردیده است. داده های تجربی به سه دسته تقسیم بندی شد. یک دسته از داده ها برای آموزش شبکه ها، دسته دوم برای تست و دسته سوم برای ارزیابی نتایج شبکه ها استفاده گردید. بهترین شبکه mlp برای سیستم مذکور دارای سه ورودی، 12نرون در لایه پنهان اول، 15نرون در لایه پنهان دوم و یک نرون در لایه خروجی می باشد. کمترین میزان انحراف نسبی در مقایسه شبکه عصبی با داده ترمودینامیکی مربوط به شبکه عصبی mlp می باشد که مقدار کل آن برای همه داده ها برابر با 903/2 می باشد.