مریم سعدی - استادیار پژوهشکده گاز، پژوهشگاه صنعت نفت، تهران، ایران

امروزه مایعات یونی به عنوان نسل جدیدی از حلالهای دوستدار محیط زیست شناخته میشوند که جایگزین مناسبی برای حلالهای متداول صنعتی از جمله آلکانوآمین ها در فرآیندهای شیرین سازی گاز به شمار می آیند. به همین دلیل، تعیین حلالیت دی اکسید کربن در مایعات یونی از اهمیت بالایی برخوردار است. در این پژوهش، یک شبکه عصبی فازی که یکی از روشهای مدلسازی مبتنی بر هوش مصنوعی است، برای پیشبینی میزان حلالیت دیاکسید کربن در مایعات یونی مختلف توسعه داده شده است. میزان حلالیت دی اکسید کربن در مایعات یونی به پارامترهایی نظیر دما، فشار و نوع مایع یونی بستگی دارد. لذا در این پژوهش، دما، فشار و جرم مولکولی مایع یونی به عنوان متغیرهای ورودی مدل انتخاب گردید. برای توسعه شبکه عصبی فازی، داده های مربوط به حلالیت دی اکسید کربن در چهار مایع یونی مختلف که در مقالات گزارش شده، مورد استفاده قرار گرفت. دقت و توانایی مدل عصبی فازی در پیشبینی میزان حلالیت دی اکسید کربن در مایعات یونی مختلف از طریق مقایسه نتایج مدل و داده های آزمایشگاهی و همچنین محاسبه پارامترهای آماری نظیر ضریب تخمین (R2)، مجذور متوسط مربعات خطا (RMSE) و متوسط قدر مطلق خطای نسبی (AARE) بررسی گردید. نتایج به دست آمده نشان میدهد که توافق بسیار خوبی بین داده های تجربی و پیشبینی های مدل وجود دارد و شبکه توسعه یافته به خوبی قادر است میزان حلالیت گاز دی اکسید کربن در مایعات یونی مختلف را پیشبینی نماید.

شبکه عصبی فازی، مایعات یونی، حلالیت، دی اکسید کربن، حلال سبز