مدلسازی جذب دیاکسیدکربن با محلول آبی پیپرازین/ پتاسیم کربنات بااستفادهاز شبکههای عصبی MLP، RBF
نویسندگان
1 دانشجوی دکتری مهندسی شیمی، دانشگاه علم و صنعت ایران
2 استاد مهندسی شیمی، دانشگاه علم و صنعت ایران
doi
10.22034/ijche.2025.488020.1461چکیده
در این مقاله، تأثیر شرایط عملیاتی و محلول آبی بر نرخ جذب دیاکسید کربن بااستفادهاز روش سطح پاسخ و شبکۀ عصبی مدلسازیشد. در این مطالعه، دما، میزان بارگذاری، فشار تودهای CO₂ و فشار تعادلی CO₂ به عنوان متغیرهای ورودی و شار انتقال جرم CO₂ به عنوان متغیر خروجی برای مدلسازی در نظر گرفته شدند. از نتایج یادگیری شبکۀ MLP با سه لایۀ پنهان و بهترتیب تعداد 10، 40 و 10 نورون در هر لایه و تابع آموزش لونبرگ مارکوات، MSE و R2 بهترتیب برابربا0/0018616 و 0/9924 بهدستآمد. شبکۀ RBF نیز توانست به MSE و R2 بهترتیب برابربا 0/0004 و 0/99849 بعداز 200 اپوک دستیابد. اگرچه RBF میانگین مربعات خطای کمتری ارائه داد، MLP به دلیل معماری سادهتر، هزینه محاسباتی کمتر و تطابق کیفی نزدیکتر با سطح RSM به عنوان مدل ارجح انتخاب شد.