منصور شیروانی - دانشیار و عضو هیئت علمی مهندسی شیمی، دانشگاه علم و صنعت ایران
محسن کشاورزترک - کارشناس ارشد مهندسی شیمی، دانشگاه علم و صنعت ایران
مرضیه عابدی - کارشناس مهندسی شیمی، دانشکده فنی، دانشگاه گیلان
احد قائمی - استادیار و عضو هیئت علمی مهندسی شیمی، دانشگاه علم و صنعت ایران

فرآیند استخراج با حلال امروزه به عنوان یک عملیات جداگانه بالغ محسوب می شود. استخراج با حلال زمانی به کارمی رود که تقطیر عملی نمی باشد، یا بسیار گران تمام می شود. این فرآیند در بسیاری از کاربردهای صنعتی نظیر فرآیند نفتیو پتروشیمی، تولید مواد دارویی، صنایع غذایی، حذف آلودگی ها و به ویژه در صنایع هسته ای و فرآیندهای هیدرومتالوژیکاربرد دارد. جهت طراحی و شناسایی رفتار دستگاه ها و ستون های استخراج مایع - مایع و همچنین دستیابی به متغیرهایعملیاتی جهت افزایش مقیاس، نیازمند بررسی دقیق مشخصات هیدرودینامیکی و انتقال جرمی دستگاه می باشد. موجودیفاز پراکنده از پارامترهای کلیدی جهت طراحی ستون های استخراج می باشد. با توجه به این که داده ها و روابط بسیارمحدودی در این زمینه برای ستونهای استخراجی پره دار به خصوص ستون کوهنی منتشر شده است، لذا در این مقاله بهبررسی این پارامتر در ستون کوهنی پرداخته شده است. به این منظور در این مقاله موجودی فاز پراکنده در ستون کوهنیبه کمک روشهای هوشمند شبیه سازی شده است. از تکنیک های هوشمند شامل شبکه پرسپترون چندلایه، شبکه برپایهتوابع شعاعی و ماشین بردار رگرسیونی جهت شبیه سازی استفاده گردید. به منظور طراحی ساختار شبکه ها و همچنینآموزش و تست از 93 مجموعه داده تجربی استفاده شده است، که این داده ها از مقالات موجود جمع آوری شده است.معیارهای ارزیابی عملکرد و توقف شبکه شامل RMSE, %AARE و (R(2 می باشند که برای سه مدل استفاده شده است.مدل ها تطبیق خوبی با داده های تجربی داشتند. مقایسه کلیه مدل ها نشان داد که مدل ماشین بردار رگرسیونی با داشتن 1/2005، 0/00107 و 0/9998 به ترتیب برای RMSE, %AARE و (R(2 بهترین مدل می باشد.

ستون کوهنی، موجودی فاز پراکنده، شبکه عصبی مصنوعی، رگرسیون بردار پشتیبان