Skoči na glavni sadržaj

Izvorni znanstveni članak

https://doi.org/10.15255/KUI.2019.002

Modeliranje adsorpcije metana, dušika, ugljikova dioksida te njihovih binarnih i ternarnih smjesa na aktivnim ugljenima pomoću umjetne neuronske mreže

Hadjer Barki ; Laboratory of Biomaterial and Transport Phenomena (LBMPT), University of Médéa, Alžir
Latifa Khaouane ; Laboratory of Biomaterial and Transport Phenomena (LBMPT), University of Médéa, Alžir
Salah Hanini ; Laboratory of Biomaterial and Transport Phenomena (LBMPT), University of Médéa, Alžir


Puni tekst: engleski pdf 935 Kb

str. 289-302

preuzimanja: 297

citiraj


Sažetak

U ovom radu ispitana je primjena neuronskih mreža u modeliranju procesa adsorpcije smjese plinova (CO2, CH4 i N2) na različitim aktivnim ugljicima. Izrađeno je sedam modela neuronskih mreža, karakteriziranih različitim strukturama s ciljem predviđanja adsorpcije smjesa plinova. Za testiranje neuronskih mreža primijenjen je skup od 417, 625, 143, 87, 64, 64 i 40 podatkovnih točaka za NN1 do NN7. Od ukupnih podataka 60 %, 20 % i 20 % rabljeno je za obuku, validaciju i testiranje sedam modela. Rezultati pokazuju dobar odnos predviđenih i eksperimentalnih vrijednosti za svaki model; pronađene su dobre korelacije (R = 0,99656 za NN1, R = 0,99284 za NN2, R = 0,99388 za NN3, R = 0,99639 za Q1 za NN4, R = 0,99472 za Q2 za NN4, R = 0,99716 za Q1 za NN5, R = 0,99972 za Q3 za NN5, R = 0,99746 za Q2 za NN6, R = 0,99783 za Q3 za NN6, R = 0,9946 za Q1 za NN7, R = 0,99089 za Q2 za NN7 i R = 0,9947 za Q3 za NN7). Dodatno, usporedba predviđenih rezultata i klasičnih modela (Gibbsov model, generalizirani Langmuirov model i teorija idealne adsorpcije otopine) pokazuje da su modeli neuronskih mreža dali daleko bolje rezultate.


Ovo djelo je dano na korištenje pod licencom Creative Commons Imenovanje 4.0 međunarodna.

Ključne riječi

aktivni ugljen; adsorpcija; smjesa plinova; modeliranje; neuronske mreže

Hrčak ID:

222487

URI

https://hrcak.srce.hr/222487

Datum izdavanja:

30.7.2019.

Podaci na drugim jezicima: engleski

Posjeta: 987 *