%0 Journal Article %T پیش‌بینی حلالیت تعادل دی‌اکسیدکربن در محلول تری‌اتانول آمین + پیپرازین + آب با استفاده از مدل‌سازی شبکۀ عصبی مصنوعی %J مهندسی شیمی ایران %I انجمن مهندسی شیمی ایران %Z 1735-5400 %A خوشرفتار, زهره %A قائمی, احد %D 2023 %\ 10/23/2023 %V 22 %N 129 %P 78-97 %! پیش‌بینی حلالیت تعادل دی‌اکسیدکربن در محلول تری‌اتانول آمین + پیپرازین + آب با استفاده از مدل‌سازی شبکۀ عصبی مصنوعی %K شبکۀ عصبی مصنوعی %K حلالیت دی‌اکسیدکربن %K آمین‌های مخلوط %K تری‌اتانول آمین %K پیپرازین %R 10.22034/ijche.2022.353688.1227 %X در این مطالعه، مدل‌ مبتنی بر هوش مصنوعی برای پیش‌بینی حلالیت تعادلی دی‌اکسیدکربن در سامانۀ حلال آمین (تری‌اتانول آمین + پیپرازین + آب) با هدف جذبدی‌اکسیدکربن ایجاد شده است. در مدل پرسپترون چندلایه، داده‌های حلالیت (بارگذاری دی‌اکسیدکربن در محلول آمین) به‌عنوان تابعی از فشار جزئی دی‌اکسیدکربن، دمای سامانه و ترکیب آمین بررسی شد. الگوریتم لونبرگ- مارکوارت پس‌انتشار برای پیش‌بینی فشار جزئی دی‌اکسیدکربن استفاده شد. نسبت نهایی آموزش، اعتبارسنجی و مجموعۀ داده‌های آزمایشی تقریباً 70:15:15 بود. ساختار بهینۀ پرسپترون چندلایه (MLP) در الگوریتم لونبرگ- مارکوارت برای فشار جزئی دی‌اکسیدکربن با 20 نورون در اولین لایۀ پنهان و 10 نورون در لایۀ پنهان دوم ایجاد شده است. ضریب همبستگی 995/0 بین نتایج تجربی و محاسبات شبکۀ عصبی مصنوعی وجود دارد که سازگاری عالی بین آن‌ها را نشان می‌دهد. بهترین عملکرد اعتبارسنجی 0043497/0 از دورۀ 13 بود. به‌طور کلی، نتایج نشان می‌دهد که مدل اعمال‌شده می‌تواند پیش‌بینی دقیقی از فشار جزئی و یا حلالیت برای شرایط مختلف عملیاتی ارائه دهد. %U https://www.ijche.ir/article_159974_2ca0c69f0f71fb1b19e2b0ca490c8cdd.pdf