بهینهسازی گوگردزدایی استخراجی نمونه سوخت با یک حلال یوتکتیک عمیق جدید سبز با استفاده از الگوریتم ژنتیک- شبکه عصبی
در این مطالعه سولفورزدایی استخراجی دی بنزوتیوفن از نرمالهگزان بهعنوان مدل سوخت با استفاده از 1 و 10- فنانترولین 2 و 9- دی کربوکسامید- کلرید آهن بر پایه کولین کلرید بهعنوان حلال یوتکتیک عمیق سبز، جدید و کارا مورد بررسی قرار گرفت. حلال یوتکتیک عمیق سنتز شده با تکنیکهای اسپکتروسکوپی مادون قرمز (FT-...
Main Authors: | , , , , , , |
---|---|
Format: | Article |
Language: | fas |
Published: |
Research Institute of Petroleum Industry
2018-12-01
|
Series: | Pizhūhish-i Naft |
Subjects: | |
Online Access: | https://pr.ripi.ir/article_922_7d1ec467dca13eb962102685fe8a6498.pdf |
Summary: | در این مطالعه سولفورزدایی استخراجی دی بنزوتیوفن از نرمالهگزان بهعنوان مدل سوخت با استفاده از 1 و 10- فنانترولین 2 و 9- دی کربوکسامید- کلرید آهن بر پایه کولین کلرید بهعنوان حلال یوتکتیک عمیق سبز، جدید و کارا مورد بررسی قرار گرفت. حلال یوتکتیک عمیق سنتز شده با تکنیکهای اسپکتروسکوپی مادون قرمز (FT-IR) و رزوناس مغناطیسی هسته هیدروژن و کربن (<sup>1</sup>H NMR, <sup>13</sup>C NMR) مشخصهیابی شد. اثر پارامترهای موثر بر فرآیند شامل نسبت جرمی نمونه سوخت به حلال یوتکتیک، دما، و زمان مورد بررسی قرار گرفتند و در شرایط بهینه برای cc 10 محلول mg/L 500 دی بنزوتیوفن در نرمالهگزان، در نسبت جرمی نمونه سوخت به حلال یوتکتیک 5/33، دمای 25ºC و زمان min 15 ماکزیمم درصد گوگردزدایی 5/0 ± 5/93 بهدست آمد. مدلسازی نتایج تجربی بهدست آمده بهوسیله الگوریتم ژنتیک بر پایه شبکه عصبی مصنوعی پیشبینی و بهینهسازی شدند. با بهکارگیری ژنتیک الگوریتم مقادیر بهینه 4/34، 33ºC/27، و min 99/16 بهترتیب برای نسبت جرمی نمونه سوخت به حلال یوتکتیک، دما و زمان بهدست آمد که بیانگر پتانسیل و توانایی بالای مدل بهکار رفته در بهینهسازی روش پیشنهادی است.<br /> |
---|---|
ISSN: | 2345-2900 2383-4528 |