لیلی خدامرادی - موسسه آموزش عالی انرژی
مجتبی میرزایی - موسسه آموزش عالی انرژی
حیدر مداح - موسسه آموزش عالی انرژی

امروزه استفاده از روش جذب سطحی به عنوان یک فرآیند مناسب نمزدایی از گاز طبیعی رو به گسترش است به همین دلیل مدلسازی فرآیند با اهمیت می باشد. در این مقاله شبکه عصبی مصنوعی پرسپترون به عنوان یک ابزار قدرتمند برای پیش بینی فرآیند نمزدایی گاز طبیعی با استفاده از زیولیت 4A و 3A استفاده می شود. آموزش شبکه با استفاده از یک پایگاه اطلاعاتی به صورت آزمایشی جمع آوری شده ازعملیات علمی که شامل جریان گاز در شرایط عملیاتی مختلف ( مانند دما و فشار ) با دبی جرمی موادی مانند ( ...، CO، 2 CH، 4 CO ) انجام شده است. نتایج نشان داده که بین داده های آزمایشگاهی و پیش بینی شده ضریب همبستگی بالا( R:%79) و خطای کمتر (RMSE:61/0) می باشد. که این نتایج بیانگر آن است که این نرم افزار ابزاری مناسب و قابل اعتماد با دقت بالا و حداقل ترین خطا در میان 4 روش که شامل TRAIN –VALIDATION-ALL TEST- می باشدو میتواند بازده اکسرژی فرآیند را پیش بینی کند.

جذب سطحی نم زدایی مدلسازی شبکه عصبی مصنوعی آنالیز اکسرژی زیولیت ضریب همبستگی