بررسی جذب گازهای خالص متان، کربن دی اکسید و نیتروژن برروی زئولیت 13X با استفاده از شبکه عصبی مصنوعی
یکی از راه‌های جلوگیری از گرم شدن کره زمین و افزایش ارزش حرارتی گاز طبیعی، جذب کربن دی اکسید و نیتروژن، با استفاده از زئولیت‌ها است. در این مطالعه، نتایج تجربی جذب سه گاز متان، کربن دی اکسید و نیتروژن توسط زئولیت 13X، با استفاده از شبکه عصبی مصنوعی مورد بررسی قرار گرفت. دما و فشار به‌عنوان ورودی‌های...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Research Institute of Petroleum Industry
2020-10-01
|
| Series: | Pizhūhish-i Naft |
| Subjects: | |
| Online Access: | https://pr.ripi.ir/article_1088_2fec03d0a6c5658807ea4e1ac23e0349.pdf |
| Summary: | یکی از راه‌های جلوگیری از گرم شدن کره زمین و افزایش ارزش حرارتی گاز طبیعی، جذب کربن دی اکسید و نیتروژن، با استفاده از زئولیت‌ها است. در این مطالعه، نتایج تجربی جذب سه گاز متان، کربن دی اکسید و نیتروژن توسط زئولیت 13X، با استفاده از شبکه عصبی مصنوعی مورد بررسی قرار گرفت. دما و فشار به‌عنوان ورودی‌های سیستم و ظرفیت جذب به‌عنوان خروجی در نظر گرفته شد. در همه مدل‌ها از الگوریتم پس انتشار لونبرگ- مارکوآرت برای آموزش شبکه استفاده شد. جهت تعیین توابع انتقال بهینه در لایه‌های پنهان و خروجی و نرون بهینه از شاخص‌های ضریب تعیین، خطای میانگین مربعات، مجموع خطاهای مربع و خطای میانگین مربع ریشه استفاده شد. نرون بهینه برای متان، کربن دی اکسید و نیتروژن به‌ترتیب 10، 10 و 15 به‌دست آمد. همچنین بهترین نتایج برای توابع انتقال، Logsig و Tansig برای متان، Logsig و Purelin برای کربن دی اکسید و نیتروژن به‌ترتیب برای لایه پنهان و لایه خروجی به‌دست آمدند. ضریب تعیین در شرایط بهینه برای متان، کربن دی اکسید و نیتروژن به‌ترتیب 9970/0، 9842/0 و 9937/0 به‌دست آمد. در پایان درصد انحراف میانگین برای نتایج پیش‌بینی شده توسط شبکه عصبی با نتایج توسط مدل لانگمویر و مدل Sips وابسته به دما مقایسه شد که نشان از دقت بالای شبکه عصبی مصنوعی نسبت به دو مدل است.<br /> |
|---|---|
| ISSN: | 2345-2900 2383-4528 |