مدل‌سازی سیستم تعادلیPz-CO2-H2O با استفاده از شبکه های عصبی

نوع مقاله : ترویجی

نویسندگان

1 هیات علمی دانشگاه علم و صنعت ایران

2 هیات علمی دانشگاه گیلان

3 دانشجو

چکیده

در این تحقیق سیستم تعادلی پایپرزین-آب- دی‌اکسیدکربن با استفاده از مدل‌های شبکه عصبی مدل سازی شده است. در مدل از دو شبکه عصبی MLP, RBF استفاده شده است. در یادگیری شبکه‌ها الگوریتم پس انتشار خطا به کار رفته است. برای آموزش و تست شبکه های عصبی یک مرور کلی بر کارهای تجربی در زمینه حلالیت دی اکسیدکربن در محلول آبی پایپرزین انجام شده و داده های تجربی جمع‌آوری و طبقه بندی شده است. نتایج شبکه های عصبی با داده‌های تجربی ارائه شده در مقالات مورد ارزیابی قرار گرفت. متوسط مربع خطاهای کل داده‌ها برای شبکه MLP برابر با 21/4 درصد و برای شبکه RBF برابر با 78/4 بوده که نشان از پیش بینی مناسب شبکه‌های مورد استفاده می‌باشد. نتایج نشان داد که شبکه‌های عصبی ابزاری مناسب بر کاهش زمان محاسبات و افزایش دقت پیش بینی داده های تعادلی می باشند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Modeling of equilibrium system of Pz-CO2-H2O using neural networks

نویسندگان [English]

  • Ahad Ghaemi 1
  • Hossein Ghannadzadeh 2
  • Zaynab Asgarpour 3
چکیده [English]

In this study, equilibrium system of H2O-Pz-CO2 has been modeled using neural networks. In the modeling two networks RBF and MLP were used. Back propagation algorism was used in the learning of the networks. In the RBF network, nonlinear Gaussian function was used as an activation function whereas sigmoid function was used in MLP network. The networks results were evaluated by experimental data presented in the literature. Mean absolute error for RBF and MLP are 4.21 and 4.78 percent, respectively. The results showed that neural networks are suitable tools for decreasing of calculation time and increasing of accuracy in the equilibrium data predictions.

کلیدواژه‌ها [English]

  • Modeling
  • Equilibrium data
  • Piperazine
  • Carbon dioxide
  • Neural network