مدلسازی فرایند حلالیت داروی ایبوپروفن در دی اکسید کربن فوق بحرانی با استفاده از شبکه عصبی مصنوعی و معادله نیمه تجربی

در سالهای اخیر، استفاده از تکنولوژی سیال فوق بحرانی برای حل مشکلات موجود در فرایندهای صنایع دارویی افزایش یافته است. حلالیت یک جامد در یک سیال فوق بحرانی، یکی از خواص مهمی است که برای هر کاربردی از سیالات فوق بحرانی باید مدلسازی و محاسبه گردد. در این تحقیق از مدل شبکه عصبی مصنوعی و معادله نیم تجربی مندز- سانتیاگو – تجا برای تخمین حلالیت ایبوپروفن در دی اکسید کربن فوق بحرانی در سه دمای 15/308 ، 15/313 و 15/318 درجه کلوین و در محدوده فشار 8 تا 22 مگاپاسکال استفاده شده است. مدلسازی توسط شبکه عصبی مصنوعی و تطابق داده ها با نرم افزار متلب انجام شده است. نتایج بدست آمده بر پایه شبکه عصبی مصنوعی و مدل نیمه تجربی با استفاده از محاسبه مقادیر میانگین مطلق انحراف نسبی(%AARD) برای هر سیستم مورد بحث و مقایسه قرار گرفته اند. نتایج نشان داد که میزان انحراف نسبی با استفاده از معادله مندز- سانتیاگو – تجا برای سه دمای 15/308 ، 15/313 و 15/318 در محدوده 12 تا 35 بوده است که این مقادیر بیشتر از مقدار %AARD با استفاده از شبکه عصبی مصنوعی که مقدار آن 5/2% است، می باشند.

Keywords:

شبکه عصبی مصنوعی , حلالیت , ایبوپروفن , دی اکسید کربن فوق بحرانی , مدل نیم تجربی , میانگین مطلق انحراف نسبی