مدل سازی انتقال جرم در غشاهای مایع آمین گلایکل برای جداسازی دی اکسید کربن از هوا

یک شبکه عصبی پیش خور با الگوریتم لونبرگ – آکوارت برای مدلسازی انتقال جرم و مقایسه نتایج تجربی حاصل از جداسازی دی اکسید کربن از هوای اتاق توسط غشای مایع دی گلایکول آمین/تری اتیلن گلایکول حمایت شده استفاده شد. داده های تجربی مورد استفاده در سه بخش به صورت، 70 درصد داده ها برای آموزش، 15 درصد برای اعتبار سنجی و 15 درصد به تست شبکه اختصاص یافت. تعداد نورون های بهینه لایه مخفی شبکه نیز با استفاده از سعی و خطا بدست آمد و با 4 نورون در لایه مخفی، بهترین عملکرد شبکه بدست آمد. هدف اصلی این مطالعه، بررسی عملکرد شبکه های عصبی مصنوعی در پیش بینی غلظت دی اکسید کربن در هوای خروجی از ماژول ساخته شده بود. همچنین با استفاده از بهترین مدل موجود برای پیش بینی انتقال جرم در غشاهای مایع، میزان دی اکسید کربن عبوری از غشا مدلسازی شد و نشان داده شد که طبق مدل، رفتاری نمایی دارد. نتایج حاصل از مدل و شبکه عصبی به صورت جداگانه با نتایج تجربی مقایسه شد و نشان داده شد که شبکه های عصبی توانایی بسیار بالایی در پیش بینی مقادیر، صرف نظر از فرضیات مسئله دارند.