استفاده از شبکه عصبی ANFIS و MLP در پیش بینی استخراج ترکیب های آروماتیکی از ترکیب های آلیفاتیکی توسط مایع های یونی

یکی از فرایند های اصلی در صنایع پالایشی صنعت نفت، استخراج هیدروکربن های آروماتیک از هیدروکربن های آلیفاتیک است. بر این اساس پیش بینی دقیق رفتار فازی این سامانه ها می تواند باعث بهبود استخراج مایع مایع شود.  در این مطالعه، رفتار ترمودینامیکی فازی سامانه سه جزیی هیدروکربن های آلیفاتیک و آروماتیک به همراه مایع های یونی توسط سامانه استنتاجی فازی عصبی تطبیقی (ANFIS) و شبکه عصبی پرسپترون چند لایه (MLP) پیش بینی شد.  ورودی های مدل در مدل سازی سامانه استخراج مایع   مایع،  نسبت مولی ترکیب های آلیفاتیک، آروماتیک و مایع های یونی در خوراک و هم چنین جرم مولکولی آ ن ها و دمای سامانه استخراج در نظر گرفته شد و همچنین خروجی مدل نیز نسبت مولی ترکیب های آلیفاتیک و آروماتیک در فاز غنی از آلکان و نسبت مولی ترکیب های آروماتیک و مایع های یونی در فاز غنی از مایع های یونی در نظر گرفته شد. پارامترهای طراحی این شبکه های عصبی ازجمله تعداد نرون و شعاع خوشه چینی شبکه های MLP و ANFIS به منظور بهتر شدن دقت پیش بینی آن ها، با روش بهینه سازی تکاملی الگوریتم ژنتیک (GA) بهینه شدند. مقایسه دقت پیش بینی شبکه های ANFIS و MLP با داده های آزمایش بر اساس پارامترهای آماری R2 ، RMSD و MAD برای مدل ANFIS به ترتیب 9996/0، 0190/0 و0129/0 و برای مدل شبکه عصبی MLP به ترتیب 9996/0، 0204/0 و0127/0 به دست آمد. همچنین مقایسه ای بین دقت پیش بینی شبکه های ANFIS و MLP با مدل ترمودینامیکی NRTL برای دو سامانه گوناگون استخراج مایع مایع انجام شد، میانگین RMSD  آن ها برای دو سامانه استخراج به ترتیب 0093/0، 0110/0 و 0113/0 به دست آمد. نتیجه های پارامترهای آماری نشان دهنده این است که این شبکه ها در پیش بینی رفتار ترمودینامیکی تعادل مایع  مایع با دقت به نسبت مناسبی دارند و روش موثری هستند.