تعيين حلاليت ماده ي آنتراسين در كربن دي اكسيد فوق بحراني بر اساس داده هاي مستخرج از تجهيزات نوين آزمايشگاهي

Determining the solubility of anthracene in supercritical carbon dioxide based on based on data extracted from the new laboratory equipment

امروزه استفاده از تجهيزات پيچيده درعمليات استخراج سيالات فوق بحراني كه از روش هاي نوين جداسازي است، بسيار پرطرفردار است[1]. با توجه به پيچيدگي فرايند استخراج و گران بودن تجهيزات مربوطه، استفاده از تكنيك هاي هوش مصنوعي جهت مدلسازي فرآيندهاي پيچيده و غير خطي بسيار كارگشاست زيرا مي تواند پيش بيني حلاليت هيدروكربن هاي اروماتيك چند حلقه اي ( PAHs) در سيالات فوق بحراني را انجام دهد، كه جهت ايجاد شرايط بهينه عملياتي مورد نياز است[2]. كربن دي اكسيد فوق بحراني به دليل مزاياي فراوانش، از جمله خصوصيات فيزيكي مناسب، غيرقابل اشتعال و غير خورنده بودن در محيطهاي خشك، انتخاب پذيري بالا، فراواني و ارزاني، اين ماده از محبوبترين سيالات فوق بحراني است. در اين مطالعه، جهت تعيين ميزان حلاليت ماده ي آنتراسين، كه يك آروماتيك كاربردي در صنايع مختلف است، در كربن دي اكسيد فوق بحراني از سيستم فازي-عصبي تطبيقي استفاده شده است [-43]. بر اساس داده‌هاي تجربي، دما و فشار عملياتي به عنوان پارامترهاي ورودي و ميزان حلاليت در دي اكسيد كربن فوق بحراني به عنوان پارامتر خروجي در نظر گرفته شدند. جهت بررسي كارايي اين تكنيك هوش مصنوعي، از معيارهاي ارزيابي شامل ضريب همبستگي (R2) ،ريشه ميانگين مربعات خطا (RMSE) و ميانگين قدر مطلق خطا (MAE) استفاده شد. داده هاي تجربي مورد استفاده در اين پژوهش به كمك سيستم هاي ازمايشگاهي نوين استخراج به كمك سيالات فوق بحراني بدست امده كه پيش بيني حلاليت جامدات در سيالات فوق بحراني خالص را راحت تر مي كند.

Nowadays, the use of the complex equipment for supercritical fluid extraction (SFE), which is one of the new separation methods, has become commonplace [1].Considering the complexity of the extraction process and the expensiveness of the relevant equipment, the use of artificial intelligence techniques to model complex and non-linear processes is very practical as it can predict the solubility of polycyclic aromatic hydrocarbons (PAHs) in supercritical fluids, which is needed to create optimal operational conditions [2]. Supercritical carbon dioxide is one of the most popular supercritical fluids due to its many advantages, including suitable physical properties, non-flammability, and non-corrosiveness in dry environments, high selectivity, abundance, and cheapness. In this study, to determine the solubility of anthracene, which is an aromatic hydrocarbon used in various industries, in supercritical carbon dioxide, the Adaptive Neuro Fuzzy Inference System has been used. Based on experimental data, operating temperature, and pressure were considered as input parameters, and solubility in supercritical carbon dioxide as output parameter. To check the effectiveness of this artificial intelligence technique, evaluation criteria including correlation coefficient (R2), root mean square error (RMSE), and mean absolute value of error (MAE) were used. The experimental data used in this research were obtained with the help of modern laboratory systems of extraction with the help of supercritical fluids, which makes it easier to predict the solubility of solids in pure supercritical fluids.