28230

مدل‌سازي QSPR فرايند نيتروژن زدايي از سوخت مدل با حلال‌هاي يوني

كارشناسي ارشد

مهندسي شيمي

1399

1401/11/23

محمدامين ثباتي

علي ابراهيم‌پور گرجي

مهندسي شيمي، نفت و گاز

به دليل مشكلات متعددي كه در نتيجه حضور تركيبات نيتروژني در سوخت ايجاد مي‌شوند، نيتروژن زدايي از سوخت اهميت دارد. با توجه به مزاياي روش نيتروژن زدايي استخراجي به كمك مايعات يوني، اين روش در مطالعه حاضر موردبررسي قرارگرفته است. در اين راستا، با استفاده از روش كمّي ساختار-خاصيت (QSPR) توزيع پيريدين به‌عنوان نماينده‌اي از تركيبات نيتروژني، بين فاز غني از مايع يوني و فاز غني از هيدروكربن پيش‌بيني‌شده است. پس از بررسي جامع در منابع متعدد، يك دسته داده بزرگ حاوي 51 سيستم سه‌جزئي (در مجموع 384 داده‌ي تعادلي) كه شامل مايع يوني، پيريدين و هيدروكربن است، جمع‌آوري شد. دسته داده ارائه‌شده حاوي 19 كاتيون، 14 آنيون و 10 هيدروكربن مختلف مي‌باشد؛ از‌اين‌رو، تأثير ساختار كاتيون، آنيون و هيدروكربن بر توزيع پيريدين بين فاز غني از مايع يوني و فاز غني از هيدروكربن در نظر گرفته‌شده است. روش‌هاي رگرسيون خطي چندگانه (MLR) و پرسپترون چندلايه (MLP) به ترتيب براي توسعه مدل‌هاي خطي و غيرخطي استفاده ‌شده‌اند. نتايج نشان ‌مي‌دهد كه مدل خطي نهايي (0/9165 = R2 و 23/2722 = AARD%) و مدل غيرخطي (0/9892 = R2 و 9/1936 = AARD%) قابليت بالايي براي پيش‌بيني جزء مولي پيريدين در فاز غني از مايع يوني (Y2) دارند. با تفسير توصيف‌كننده‌هاي ظاهرشده در مدل نهايي، تأثير تغييرات در ساختارهاي كاتيون‌ها، آنيون‌ها و هيدروكربن‌ها بر استخراج پيريدين از سوخت‌هاي مدل موردمطالعه قرار گرفت. مشخص شد كه اندازه، شاخه‌ها و ساختار حلقوي يا غير حلقوي ‌هيدروكربن‌ها پارامترهاي مهمي در تخمين Y2 هستند. همچنين اندازه، شاخه‌ها و موقعيت اتم‌هاي الكترونگاتيو (به‌ويژه اتم‌هاي اكسيژن) در ساختار ‌آنيون‌ها و همچنين طول زنجير جانبي آلكيل و پيوندهاي كربن-نيتروژن در ساختار ‌كاتيون‌ها پارامترهاي مهمي در پيش‌بيني مقادير Y2 هستند.

1402/02/17

QSPR modeling of the extractive denitrogenation of model fuel using ionic liquids

2/12/2024 12:00:00 AM

Due to the many problems caused by the presence of nitrogen compounds in fuels, denitrogenation of fuel is important. Considering the advantages of the extractive denitrogenation method using ionic liquids (ILs), this method has been investigated in the present study. In this regard, the distribution of pyridine between the ionic liquid-rich phase and hydrocarbon-rich phase has been predicted using the quantitative structure-property relationship (QSPR) approach. After a comprehensive survey in the literature, a large dataset including 51 ternary systems (i.e., IL (1), pyridine (2), and hydrocarbon (3)) was collected. The present dataset covers 19 cations, 14 anions, and 10 hydrocarbons. Therefore, the structural effect of each cation, anion, or hydrocarbon has been taken into account on the distribution of pyridine between the IL-rich phase and hydrocarbon-rich phase. Multiple linear regression (MLR) and multi-layer perceptron (MLP) have been employed to develop the predictive/descriptive linear and non-linear models, respectively. Results showed that the final linear model (R2 = 0.9165, %AARD = 23.2722) and non-linear model (R2 = 0.9892, %AARD = 9.1936) have an acceptable capability for Y2 prediction. By interpreting the selected descriptors of the QSPR model, the effect of changes in the cation, anion, and hydrocarbon structures on the extraction of pyridine was also studied. It was found that the size, branches, and cyclic or acyclic structure of hydrocarbons were important parameters affecting the pyridine distribution. Also, the size, branches, and position of the electronegative atoms (especially oxygen atoms) in the structure of anions as well as the alkyl side chain length and C-N bonds in the structure of cations could also affect the pyridine distribution.

ارتباط كمّي ساختار-ويژگي (QSPR) , نيتروژن زدايي استخراجي , مايعات يوني , تعادل مايع-مايع , پرسپترون چند‌لايه (MLP)

Ionic liquids , Extractive denitrogenation , Quantitative Structure-Property Relationship (QSPR) , Multi-Layer Perceptron (MLP) , Liquid-liquid extraction

Mahdieh Amereh

Dr. Mohammad Amin Sobati