| مدلسازی دادهمحور فرآیند تولید آمونیاک با ترکیب شبیهسازی فرآیندی و یادگیری ماشین |
| کد مقاله : 1024-CEC05 |
| نویسندگان |
|
ابوالفضل اکبری نژاد1، محمد مهدی کامیابی *2 1گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه ولی عصر(عج) رفسنجان، رفسنجان، ایران 2گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه ولی عصر(عج) رفسنجان |
| چکیده مقاله |
| دراین پژوهش، فرآیند تولید آمونیاک به صورت حالت پایا با استفاده از نرم افزارAspen HYSYSشبیه سازی شده و مجموعه ای از داده های عملیاتی معتبر جهت توسعه مدل های هوشمند استخراج گردید. خوراک فرآیند شامل گازسنتز با ترکیب واقعی بوده و خروجی آمونیاک پس از واحد جداسازی مورد بررسی قرار گرفته است. با تغییر شرایط عملیاتی،600 مجموعه داده تولید و پس ازپیش پردازش، به منظورآموزش وارزیابی الگوریتم های مختلف یادگیری ماشین شامل رگرسیون خطی،رگرسیون بردار پشتیبان، جنگل تصادفی و XGBoostمورد استفاده قرار گرفت. مدل ها با استفاده از معیارهای ضریب تعیین ،خطای قدرمطلق میانگین و ریشه میانگین مربعات خطا ارزیابی شدند. نتایج نشان داد مدل های غیرخطی، به ویژهXGBoost و جنگل تصادفی ، دقت بالاتری در پیش بینی پارامترهای کلیدی فرآیند نسبت به مدل های خطی دارند. استفاده از مدل های هوشمند به عنوان مدل جانشین، امکان پیش بینی سریع و دقیق رفتار فرآیند را فراهم کرده و می تواند به عنوان ابزاری مؤثر در بهینه سازی و کنترل واحدهای تولید آمونیاک مورد استفاده قرار گیرد. |
| کلیدواژه ها |
| تولید آمونیاک، یادگیری ماشین، جنگل تصادفی،XGBoost، مدلسازی داده محور |
| وضعیت: پذیرفته شده مشروط |
