استفاده از شبكه عصبي ANFIS و MLP در پيش بيني استخراج تركيب هاي آروماتيكي از تركيب هاي آليفاتيكي توسط مايع هاي يوني

Using ANFIS and MLP Neural Networks in Predicting the Extraction of Aromatic Compounds from Aliphatic Compounds by Ionic Liquids

يكي از فرايند هاي اصلي در صنايع پالايشي صنعت نفت، استخراج هيدروكربن هاي آروماتيك از هيدروكربن هاي آليفاتيك است. بر اين اساس پيش بيني دقيق رفتار فازي اين سامانه ها مي تواند باعث بهبود استخراج مايع مايع شود. در اين مطالعه، رفتار ترموديناميكي فازي سامانه سه جزيي هيدروكربن هاي آليفاتيك و آروماتيك به همراه مايع هاي يوني توسط سامانه استنتاجي فازي عصبي تطبيقي (ANFIS) و شبكه عصبي پرسپترون چند لايه (MLP) پيش بيني شد. ورودي هاي مدل در مدل سازي سامانه استخراج مايع مايع، نسبت مولي تركيب هاي آليفاتيك، آروماتيك و مايع هاي يوني در خوراك و هم چنين جرم مولكولي آ ن ها و دماي سامانه استخراج در نظر گرفته شد و همچنين خروجي مدل نيز نسبت مولي تركيب هاي آليفاتيك و آروماتيك در فاز غني از آلكان و نسبت مولي تركيب هاي آروماتيك و مايع هاي يوني در فاز غني از مايع هاي يوني در نظر گرفته شد. پارامترهاي طراحي اين شبكه هاي عصبي ازجمله تعداد نرون و شعاع خوشه چيني شبكه هاي MLP و ANFIS به منظور بهتر شدن دقت پيش بيني آن ها، با روش بهينه سازي تكاملي الگوريتم ژنتيك (GA) بهينه شدند. مقايسه دقت پيش بيني شبكه هاي ANFIS و MLP با داده هاي آزمايش بر اساس پارامترهاي آماري R2 ، RMSD و MAD براي مدل ANFIS به ترتيب 0.9999, 0.0190, , 0.0129 و براي مدل شبكه عصبي MLP به ترتيب 0.996, 0.0204, , 0.0127 به دست آمد. همچنين مقايسه اي بين دقت پيش بيني شبكه هاي ANFIS و MLP با مدل ترموديناميكي NRTL براي دو سامانه گوناگون استخراج مايع مايع انجام شد، ميانگين RMSD آن ها براي دو سامانه استخراج به ترتيب 0.0093, 0.0110, ,0.0113, به دست آمد. نتيجه هاي پارامترهاي آماري نشان دهنده اين است كه اين شبكه ها در پيش بيني رفتار ترموديناميكي تعادل مايع مايع با دقت به نسبت مناسبي دارند و روش موثري هستند.

One of the main processes in the refining industries of the oil industry is the extraction of aromatic hydrocarbons from aliphatic hydrocarbons. Accordingly, accurate prediction of the phase behavior of these systems can improve liquid-liquid extraction. In this study, the phase thermodynamic behavior of the ternary system of aliphatic and aromatic hydrocarbons with ionic liquids is predicted by the Adaptive Neuro-Fuzzy Inference System (ANFIS) and the Multilayer Perceptron (MLP)neural network. The model inputs were considered in modeling the liquid-liquid extraction system, the molar ratio of aliphatic, aromatic, and ionic compounds in the feed, as well as the molecular mass of the ions and the temperature of the extraction system, and the model output was the molar ratio. Aliphatic and aromatic compounds in the alkane-rich phase and molar ratio of aromatic compounds and ionic liquids in the iron-rich phase were considered. The design parameters of these neural networks, including the number of neurons and the clustering radius of the MLP and ANFIS networks, were optimized by the genetic algorithm evolution method (GA) in order to improve their prediction accuracy. Comparison of prediction accuracy of ANFIS and MLP networks with experimental data based on statistical parameters R2, RMSD, and MAD for ANFIS model was calculated 0.9999, 0.0190, and 0.0129 respectively and for MLP neural network model was 0.996, 0.0204, and 0.0127 respectively. Also, a comparison was made between the prediction accuracy of ANFIS, MLP networks and the NRTL thermodynamic model for two different liquid-liquid extraction systems, their RMSD for the two extraction systems were 0.0093, 0.0110, and 0.0113, respectively. The results of statistical parameters show that these networks have relatively good accuracy in predicting the thermodynamic behavior of liquid-liquid equilibrium and are an effective method.