12632

مطالعه استفاده از روش هاي هوشمند در مدلسازي جذب دي اكسيد كربن با محلول هاي مختلف آميني

1402

دكتر احد قائمي

چكيده استفاده از هوش مصنوعي و شبكه‌هاي عصبي در فرآيند جذب كربن دي‌اكسيد توسط حلال‌هاي آميني مورد توجه قرار گرفته است. شبكه‌هاي عصبي مي‌توانند در پيش‌بيني و بهبود عملكرد فرآيند جذب كربن دي‌اكسيد توسط آمين‌ها كمك كنند. شبكه‌هاي عصبي معمولاً با استفاده از داده‌هاي آزمايشگاهي و آزمون‌هاي مدل‌سازي، توانايي پيش‌بيني انتخاب و جذب كربن دي‌اكسيد توسط حلال‌هاي آميني را تا حد زيادي بهبود مي‌دهند. مزيت استفاده از شبكه‌هاي عصبي در اين حوزه اين است كه آنها قادر به يادگيري الگوهاي پيچيده و تعاملات غيرخطي بين مولكول‌ها هستند و مي‌توانند بهبودهاي قابل توجهي در دقت و عملكرد فرآيند جذب كربن دي‌اكسيد را به ارمغان بياورند. به طور كلي، فرآيند جذب كربن دي‌اكسيد توسط حلال‌هاي آميني با استفاده از شبكه‌هاي عصبي مي‌تواند به تعيين پارامترهاي بهينه مانند غلظت حلال‌هاي آميني، دما، فشار و زمان مناسب براي دستيابي به جذب كربن دي‌اكسيد بيشتر كمك كند. همچنين، شبكه‌هاي عصبي مي‌توانند به شناخت الگوهاي تعاملي بين مولكول‌هاي آمين و كربن دي‌اكسيد كمك كنند و بهبودهايي در طراحي حلال‌هاي آميني براي جذب كربن دي‌اكسيد ارائه دهند. با استفاده از شبكه‌هاي عصبي در فرآيند جذب كربن دي‌اكسيد ، مي‌توان بهبود‌هاي قابل توجهي در كارايي و انتخاب‌پذيري حلال‌هاي آميني براي جذب كربن دي‌اكسيد داشت و از اين طريق، ميزان جذب كربن دي‌اكسيد و كارايي فرآيند را افزايش داد.با كمك الگوريتم‌هاي يادگيري ماشين، مدل‌هاي مبتني بر داده به طور فزاينده‌اي قادر به پيش‌بيني حلاليت دي‌اكسيد كربن شده‌اند. در اين مطالعه، ما آمين ها را معرفي كرده و نحوه جذب كربن دي اكسيد با انواع آمين ها پرداخته ايم. هوش مصنوعي را تعريف كرده و به انواع آن پرداخته ايم وچند تا از كاراي انجام شده در رابطه با مدلسازي جذب كربن دي اكسيد با حلال هاي آميني مختلف توسط شبكه عصبي را بررسي كرده ايم.

10/22/2023 12:00:00 AM

80772

1402/07/30

Use of Intelligent Methods in Modeling Carbon Dioxide Absorption with Various Amino Acid Solutions

جذب كربن دي اكسيد , حلال هاي آميني , شبكه عصبي مصنوعي , پرسپترون چندلايه , تابع پايه شعاعي

Carbon dioxide absorption , Amines solvents , Artificial neural network , Multilayer perceptron , Radial basis function