مدل سازی رفتار تراوش تبخیری غشای هیبریدی پلی وینیل الکل – نانوسیلیکا و بهینه سازی آن بوسیله الگوریتم فراابتکاری ژنتیک
چکیده
در این پایان نامه به مدلسازی و بررسی فرآیند تراوش تبخیری مخلوط آب و استیک با استفاده از غشای پلیمری هیبریدی پلی وینیل الکل –سیلیکونی پرداخته می شود. در این پژوهش جهت مدلسازی سه پارامتر نسبت نانو ذره به پلیمر در غشا، دمای مخلوط آب و استیک اسید ورودی به غشا و غلظت استیک اسید ورودی به عنوان داده ورودی و psi به عنوان خروجی در نظر گرفته شد. جهت مدلسازی فرآیند تراوش تبخیری از ابزار شبکه عصبی و سیستم استنتاج عصبی-فازی سازگار یا انفیس استفاده شد. جهت پیدا کردن شرایط بهینه ورودی متناظر با خروجی بیشینه با استفاده از شبکه عصبی به عنوان تابع مدلسازی، از الگوریتم فراابتکاری ژنتیک استفاده شد. جهت پیدا کردن شرایط بهینه مدلسازی با شبکه عصبی سه الگوریتم آموزشی مختلف با یک و دولایه مختلف و تعداد نرون ها تغییر داده شد تا شرایط بهینه پیدا شود. جهت پیدا کردن شرایط بهینه مدلسازی با انفیس 5 تابع مختلف عضویت با 2 روش آموزش مختلف مورد بررسی قرار گرفت تا بهترین شرایط پیدا شود. سپس در قدم آخر تابع بهترین حالت مدلسازی شبکه عصبی وارد الگوریتم ژنتیک شد تا شرایط بهینه ورودی جهت یافتن ماکزیمم تابع شبکه عصبی که متناظر با بالاترین درصد جداسازی بود مشخص شود. در آزمون حساسیت نیز اثر مهمترین پارامتر تاثیر گذار بر خروجی مشخص شد. بیشینه مقدار r2 (99972/0) برای شبکه عصبی با الگوریتم آموزشی لونبرگ-مارکواردت با 4 نرون در لایه اول و 2 نرون در لایه دوم به دست آمد. بیشینه مقدار r2 (9987/0)برای سیستم استنتاج عصبی فازی سازگار با تابع عضویت زنگی و الگوریتم آموزشی ترکیبی به دست آمد. بیشترین مقدار خروجی(38/57) با تابع برازندگی رتبه بندی و تابع گزینشی تصادفی-یکنواخت به دست آمد. در آزمون حساسیت غلظت آب خوراک با 5/83 درصد بیشترین تاثیر را بر psi داشت. در جایگاه بعد نسبت نانوذره به پلیمر و دمای خوراک با 67/14 و 87/1 درصد تاثیرگذار بودند.