Xu Xou 1, ÿ, Jiayao Xu Veyjun Chju 1,#

---

Xu Xou 1, ÿ, Jiayao Xu
Veyjun Chju 1,#
, Zhenheng Diao
, Xingwang Liu 1,#
Kimyoviy muhandislik Xitoy jurnali
Birlashtirilgan kinetik model mahsulotlarni guruhlarga ajratish orqali
reaktsiya mexanizmiga bog'liqlikni kamaytirdi. Roohollahi va boshqalar.
[33]
470-530 °C da ZSM-5 zeolitlari ustida n-butan va i-butan katalitik kreking
uchun besh bo'lakli kinetik modelni yaratdi. Liu va boshqalar.
[34]
580-620 °C
da Daqing atmosfera qoldig'ining katalitik pirolizida propilen, etilen va
benzinning hosildorligini tavsiflash uchun sakkiz bo'lakli kinetik modelni yaratdi.
Towfighi va boshqalar.
[35]
620-680 °C da Fe-ZSM-5 zeolitlari ustidan nafta
krekingida etilen, propen va boshqa asosiy mahsulotlarning hosildorligini
tavsiflash uchun olti bo'lakli ki-net modelini yaratdi. Shuningdek, ular ZSM-5/
MCM-41 katalizatorida 500–620 °C haroratda vakuumli gaz moyi (VGO)
yorilishi uchun to'qqiz bo'lakli kinetik modelni yaratdilar
[36].
Meng va boshqalar. uglevodorodlarni krekinglash uchun bir qator kinetik
modellarni yaratdi, masalan, og'ir gaz moyini kreking qilish uchun etti bo'lakli model
Froment va boshqalar. [17,18] batafsil kinetik modelni ishlab chiqish kimyoviy
jarayonning simulyatsiyasi va dizaynini ratsionalizatsiya qiladi deb o'ylagan.
1.Kirish
jurnalning bosh sahifasi:
www.elsevier.com/locate/CJChE
Ular uglevodorodlarning seolitlar ustida yorilishining batafsil kinetik modelini
yaratdilar va uni ko'taruvchi reaktor modeli bilan bog'ladilar
[19,20].
katalizator xossalari va koks hosil bo'lishining ta'sirini hisobga olgan holda
uglevodorod-katalitik kreking. Ular batafsil kinetik model nafaqat jarayonni
simulyatsiya qilish, balki katalizatorni loyihalash uchun ham mos ekanligini
aniqladilar
[27].
Hinrichsen va boshqalar. [28,29] tezlikni aniqlash bosqichlari
sifatida kreking va dimerizatsiyani oldi va ZSM-5 zeolitlari ustidan 1-pentenli
krekingning batafsil kinetik modelini yaratdi. Hisoblash ma'lumotlari eksperiment
ma'lumotlari bilan bir qatorda adabiyotlardan olingan ma'lumotlarga juda mos
keldi va bu modellashtirish metodologiyasining qo'llanilishini tasdiqladi. Keyin
ular buni reaktor modellariga
kiritdilar [30,31]
va kinetik/reaktor modelini Aspen
HYSYS dasturi bilan birlashtirish uchun interfeys dasturini yozdilar, bu esa
butun kimyoviy jarayonni simulyatsiya qilish va optimallashtirishni osonlashtiradi
[32].
Yengil olefinlar kauchuk, plastmassa va tolalar kimyo sanoati uchun
asosiy xom ashyo hamda tegishli sintez sanoatining asosiy komponentlari
edi
[1-4].
So'nggi o'n yilliklarda propen va etilenga bo'lgan talabni qondirish
uchun termal va katalitik kreking jarayonlari ishlab chiqildi va sanoatlashtirildi
[5-10].
Ushbu stsenariyda uglevodorod kreking jarayoniga ish sharoitlari,
ayniqsa harorat va katalizator katta ta'sir ko'rsatdi. Tizim xususiyatlarining
ta'siri haqidagi aniq ma'lumotlar tegishli kimyoviy jarayonni loyihalash va
optimallashtirish uchun qo'llanmalar berish uchun katta ahamiyatga ega edi
[11-16].
Uglevodorodlarning kreking jarayonini tasvirlash uchun hozirgi kunga
qadar uch xil kinetik modellar, jumladan, batafsil, to'plangan va global modellar
qo'llanilgan.
Mundarija ro'yxati
ScienceDirect
-da mavjud
Marin va boshqalar.
[21-26]
uchun batafsil kinetik modelni ishlab chiqdi
Batafsil kinetik model reaktsiya tarmog'iga asoslangan va termodinamik
parametrlar bilan asosiy elementar bosqichlarni tavsiflagan.
mavhum
maqola ma'lumotlari
Engil olefin ishlab chiqarishni modellashtirish kimyo muhandisligi sohasidagi asosiy masalalardan biri edi. Ushbu maqolada n-pentan krekingida
harorat va katalizatorning etilen va propen hosil bo'lishiga ta'sirini tasvirlash uchun sun'iy neyron tarmoqlarga (ANN) asoslangan mashinani
o'rganish modeli yaratilgan. O'rnatish jarayoni ma'lumotlarni oldindan qayta ishlash, modelni loyihalash, o'qitish jarayoni va sinov jarayonini o'z
ichiga oladi va model ishlashini baholash uchun o'rtacha kvadrat xato (MSE) va regressiya koeffitsienti (R2) indekslari qo'llaniladi. O'rganish
algoritmi va ANN topologiyasi hisoblashning aniqligiga ta'sir qilgani aniqlandi. GD24223, CGB2423 va LM24223 modellari o'rganish algoritmini
ANN topologiyasi bilan optimal tarzda moslashtirish orqali o'rnatildi va mukammal hisoblash aniqligiga erishdi. Bundan tashqari, GD24223,
CGB2423 va LM24223 modellarining barqarorligi o'quv ma'lumotlarini asta-sekin kamaytirish va bir vaqtning o'zida ma'lumotlar taqsimotini
o'zgartirish orqali tekshirildi. GD24223 va LM24223 modellari bilan solishtirganda, CGB2423 modeli o'quv ma'lumotlarining o'zgarishiga nisbatan
barqarorroq edi va MSE qiymatlari har doim 10-3 -10-4
kattaligida saqlanib qoldi, bu uning n-da
engil olefin ishlab chiqarishni simulyatsiya qilish
uchun qo'llanilishini tasdiqladi. pentan yorilishi. © 2020 Xitoy Kimyo sanoati va muhandislik jamiyati va Chemical Industry Press Co., Ltd.
Barcha huquqlar himoyalangan.
#
1
2
,
https://doi.org/10.1016/j.cjche.2020.01.017
1004-9541/© 2020 Xitoy Kimyo sanoati va muhandislik jamiyati va Chemical Industry Press Co., Ltd. Barcha huquqlar himoyalangan.
Xitoy Kimyoviy muhandislik jurnali 28 (2020) 1832–1839
2019-yil 28-noyabrda olingan
Maqola tarixi:
Qayta ko'rib chiqilgan shaklda 2020 yil 16 yanvarda olingan
Mashinani o'rganish
Kalit so‘zlar:
2020 yil 22 yanvarda qabul qilingan
ANN
ÿ Muallif.
Hisoblashning aniqligi
Kimyoviy muhandislik maktabi, Changchun texnologiya universiteti, Changchun 130012, Xitoy
Onlayn 2020-yil 13-fevralda mavjud
Elektron pochta manzili:
[e-mail]
(X. Xou).
Yengil olefinlar
n-Pentan yorilishi
Bu ishga teng hissa qo‘shgan.
Matematika va statistika maktabi, Changchun texnologiya universiteti, Changchun 130012, Xitoy
Etilen va propen ishlab chiqarish uchun n-pentan kreking simulyatsiyasini
qayta ishlash uchun mashinani o'rganishni qo'llash
Maqola
1
2
Machine Translated by Google

---

Kal
Exp
Yuqorida aytib o'tilgan metodologiyalardan tashqari, mashinani o'rganish turli
xil kimyoviy muammolarni hal qilishda ajoyib yutuqlarni namoyish etdi. Mashinani
o'rganish aniq, sodda va moslashuvchan bo'lib, u funktsiyalarni yaqinlashtirish,
raqamli bashorat qilish, ma'lumotlar assotsiatsiyasi, jarayonni simulyatsiya qilish,
dizaynni optimallashtirish va hokazolarda potentsialni ko'rsatdi.
2.2. ANN topologiyasi va parametrlari
NV ¼
600–700 °C da ZSM-5 zeolitlari
[37],
480–560 °C da ZSM-5 zeolitlari ustidan
yorilish C4 uglevodorod birikmalari uchun olti boÿlakli
model
[38],
LCM ustidan
ogÿir neft krekingi uchun besh boÿlakli model 650-750 °C da -5 katalizator
[39]
va 600-700 °C da CEP-1 katalizatori orqali og'ir yog'ni kreking qilish uchun etti
bo'lakli model
[40].
Li va boshqalar.
[41]
490–610 °C da ZSM-5 zeolitlari ustida
butilen va pentenni birlashtirib yorilishi uchun olti boÿlakli kinetik modelni
yaratdilar. Naik va boshqalar.
[42]
530 °C da FCC katalizatori orqali piroliz
moylarining yorilishi uchun besh bo'lakli kinetik modelni ishlab chiqdi. Aguayo va
boshqalar. 400–550 °C
[43]
da ZSM 5 zeolitlari ustidan n-butan yorilishi uchun
besh boÿlakli
kinetik modelni va 400–600 ° da K-ZSM-5 zeolitlari ustidan 1-buten
transformatsiyasi uchun sakkiz boÿlakli kinetik modelni yaratdi. C
[44].
MES ¼
Muhokama qilinganidek, engil olefin ishlab chiqarishni modellashtirish kimyo
muhandisligi sohasidagi asosiy muammolardan biri bo'lib, mashinani o'rganish
oson va aniq hisob-kitoblarni amalga oshirishga qodir edi. Bu bizga etilen va
propen ishlab chiqarish uchun n-pentan krekingini simulyatsiya qilish jarayonida
mashinani o'rganish imkoniyatlarini o'rganishga undadi. Ushbu maqolada ANNga
asoslangan mashinani o'rganish modelini ishlab chiqish uchun qisqacha
tushuntirish berilgan va hisoblash aniqligini baholash uchun
MSE va
R2
indekslari
ishlatilgan.
O'rganish algoritmi va ANN topologiyasining hisoblash aniqligiga
ta'siri o'rganildi va o'rganish algoritmini ANN topologiyasiga moslashtirish orqali
optimal ANN modeli yaratildi. Keyinchalik, asosiy ma'lumotlar hajmi va
taqsimotining ta'siri tizimli ravishda o'rganildi, bu modellashtirish metodologiyasining
qo'llanilishini aniqlashga yordam berdi.
tizimli tadqiqotga ko'ra engil olefinlarni ishlab chiqarish uchun n-pentan kreking
jarayonini simulyatsiya qilish uchun kutilgan.
Bu erda NV normalangan qiymat, TV haqiqiy qiymat, TVmin haqiqiy qiymatning
minimal, TVmax esa haqiqiy qiymat edi. (2) Model dizayni: ANN topologiyasi va
o'rganish algoritmi empirik yondashuv yoki evristik usul bilan aniqlangan.
kal edi
ð3Þ
2.1. Modellashtirish tartibi
Global kinetik model reaktsiya mexanizmining etishmasligi bilan o'rnatilishi
mumkin. Kunzru va boshqalar.
[47]
JP 10 krekingi uchun 10% -61% konvertatsiya
qilish uchun global kinetik modelni yaratdi. Ward va boshqalar. [48,49] n-dekan
va n-dodekan yorilishi uchun global kinetik modelni yaratdi. Chju va boshqalar.
[50]
13% dan kam konvertatsiya bilan n-dekan yorilishi uchun global kinetik
modelni yaratdi, bu 18 ta asosiy mahsulotni o'z ichiga oladi. Chjan va boshqalar.
[51]
n-dodekanli kreking uchun global kinetik modelni yaratdi, jumladan,
konversiyasi 13% dan past boÿlgan birlamchi kreking modeli va 71% gacha
konversiyaga ega boÿlgan ikkilamchi kreking modeli.
TVÿTVmin
Mesbah va boshqalar.
[52]
tabiiy gaz gidratining hosil bo'lish haroratini bashorat
qilish uchun mashinani o'rganishni qo'lladi. Bi etal.
[53]
xom neft xususiyatlarini
taqlid qilish va bashorat qilish uchun mashinani o'rganishni qo'lladi va u
mukammal aniqlik, moslashuvchanlik va kengayish qobiliyatini namoyish etdi.
ANN modeli mashinani o'rganishning prototipi sifatida fizik kimyo xususiyati va
kimyoviy jarayonni simulyatsiya qilish uchun ishlatilgan
[54].
Vaferi va boshqalar.
[55]
qattiq aromatik moddalarning superkritik CO2dagi eruvchanligini hisoblash
uchun ANN modelidan foydalangan . Sulaymoniy va boshqalar.
[56]
ANN
modelidan dispers boÿyoqlarning oÿta kritik CO2 va etanolda birgalikda erituvchi
sifatida eruvchanligini hisoblash uchun foydalangan. Karimi va boshqalar.
[57]
konusli suyuq qatlamning gidrodinamik xususiyatlarini hisoblash uchun ANN
modelini qo'llagan. Hua va boshqalar.
[58]
katta miqyosdagi nafta pyroliz
jarayonini simulyatsiya qilish uchun ANN modelini qo'llagan. Chen va boshqalar.
[59]
ANN modeli bilan silikon ishlab chiqarish jarayonida xom ashyo tarkibining
quvvat sarfiga ta'sirini baholadi. Hassanpour va boshqalar.
[60]
ANN modellarini
ko'p qatlamli perseptron (MLP), radial asos funktsiyasi, umumiy regressiya va
kaskadli oldinga neyron tarmoqlari bilan taqqosladi va MLP tarmog'i suv-alyuminiy
oksidining issiqlik uzatish koeffitsientini baholashda yaxshi ishlaganligini aniqladi.
nanosuyuqlik.
ð2Þ
R2 ¼ 1ÿ
1
P
Ular reaktsiya tarmog'ini soddalashtirish uchun past konsentratsiyali mahsulot
bo'laklarini birlashtirish mumkinligini aniqladilar
[45].
Xiong va boshqalar.
[46]
460-540 °C da FCC mushuk tahlilchilari ustidan og'ir yog'ning yorilishi uchun olti
bo'lakli kinetik modelni yaratdi va katalizator xususiyatlari chastota omillari va
ko'rinadigan faollik energiyasi bilan bog'liq edi. Ushbu model nisbiy xatoliklari
10% dan past bo'lgan ikkita yangi FCC katalizatorlari uchun mahsulot taqsimotini
hisoblashga muvaffaq bo'ldi.
ð1Þ
1-
rasmda ko'rsatilganidek , ANN topologiyasi o'zaro bog'langan ishlov
berish tugunlaridan tashkil topgan bo'lib, ular tashkillashtirilgan qatlamlarga, ya'ni
kirish qatlami, yashirin qatlamlar va chiqish qatlamiga bo'lingan. ANN topologiyasi
Qabul qilinadigan aniqlik va barqarorlikka ega mashinani o'rganish modeli edi
(3) O'qitish jarayoni: ANN modelining vazn koeffitsienti va chegara qiymati
mustaqil va qaram o'zgaruvchilarni o'zaro bog'lash uchun tartibga solingan va
qulay parametrlar hisoblash va o'qitish ma'lumotlari o'rtasidagi og'ishlarni
minimallashtirishi kerak. (4) Sinov jarayoni: Modelning ishlashi tenglama bilan
ifodalangan
MSE va
R2
indekslari bilan baholandi.
(2)
va tenglama.
(3).
ÿ X
Bu erda N namunaviy ma'lumotlarning umumiy sonini,
ANN
modelining
vikulyatsiya
ma'lumotlarini
va Vi ma'lumotlarini, VExp
namunaviy ma'lumotlarning o'rtacha arifmetikligini bildiradi. MSE
0 ga yaqinlashadi va R2 1 ga yaqinlashganda yaxshi hisoblash
aniqligini ko'rsatdi; Aksincha, ANN topologiyasi yoki o'rganish algoritmi
samaradorlikni oshirish uchun boshqa tur o'qitish/sinov jarayonidan oldin
o'zgartirilishi kerak. Qoniqarli aniqlikka erishilgunga qadar modelni loyihalash,
o'qitish va sinovdan o'tkazish tartibini takrorlang.
2. ANN modelini ishlab chiqish
tegishli tajriba edi
P
ANN modelining ishlab chiqilishi tizimli protsedura bo'yicha amalga oshirildi:
(1) Ma'lumotlarni oldindan ishlov berish: Asosiy ma'lumotlar tenglama orqali 0-1
oralig'ida normallashtirildi.
(1)
va o'quv va sinov ma'lumotlari guruhlariga bo'lingan.
ÿVexp
i
ÿTVmin
i
N
i
TVmax
i
i
i
N
i¼1
2
2
2
VExp
ÿVexp
VCal
i¼1
i¼1
VCal
ÿVexp
N
V. Zhu va boshqalar. / Xitoy Kimyoviy muhandislik jurnali 28 (2020) 1832–1839
1833 yil
1-rasm. ANN topologiyasining sxematik diagrammasi.
N
i
Machine Translated by Google

---

i
j
j
Y1 ¼ Xi
) kirish qiymatlariga (Xi) teng edi.
,
600-800 ° S da 0-400 mg katalizator bilan n-pentan krekingida 81 ta asosiy
ma'lumotlar guruhi to'plangan. ANN modeli kirish qatlamida reaktsiya harorati va
katalizator miqdorini qamrab olgan ikkita tugun bilan va n-pentan konversiyasini (X, %),
etilen unumini (C2 =, og'irlik%)
qamrab olgan chiqish qatlamidagi uchta tugun bilan
yaratilgan.
propen unumi (C3 =, wt%).
n-Pentan kreking sinovlari avvalgi ish
[61]
tomonidan batafsil tavsiflangan qattiq qatlamli reaktorda atmosfera bosimi ostida
o'tkazildi . n-Pentan (99,5 g.%) Huadong Reagent kompaniyasidan (Tyanszin, Xitoy)
sotib olindi va keyingi tozalashsiz foydalanildi. Katalizatorlardagi kislotali joylar miqdori
NH3-TPD tomonidan aniqlandi va 0,824 mmol · g-1 ga yaqin edi .
Bu yerda k ANN topologiyasidagi k qavatni (k ÿ 2), i k qavatdagi i tugunni, j k - 1
qavatdagi j tugunni, k qavatdagi i tugunining chiqish qiymatini, wij k - 1 qavatdagi j
tugunni k qatlamdagi i tugun bilan bog'lovchi Yi vazn koeffitsienti, thi k qavatdagi
i
tugunning
chegara qiymati edi.
Yk
wk ijÿYkÿ1 ÿkhk ¼ X
asosan tugunlarning raqamlari va ulanish turlarini moslashtirish orqali ishlab chiqilgan
va optimallashtirilgan.
Kirish qatlamining chiqishi (Yi Og'irlik
koeffitsienti (wij ) va chegara qiymati
(thi)
Oddiy sinov sifatida quvur
reaktorining o'rta zonasi katalizatorlar va SiC aralashmasi bilan to'ldirilgan. Reaktivni
berishdan oldin reaktor va katalizatorlar
1 soat davomida
N2 (300 ml·min-1 ) oqimida
150 °C da oldindan ishlov berildi. Reaktiv ozuqa n-pentan (1,8 ml·h-1 ) va N2 (300
ml·min-1 ) aralashmasi edi. n-Pentan qisman bosimi (Ppar) 2 kPa da saqlanib qoldi. N2
tashuvchi gaz sifatida yorilib ketgan gazning onlayn gaz xromatografiga (Micro 3000GC,
Agilent) tushishiga yordam berdi. Yorilgan gazning xromatogrammasiga ko'ra, n pentan
konversiyasi, etilen unumi va propen unumi hisoblangan.
ð4Þ
Orqaga tarqalish algoritmi ANN modelining pa rametrlarini rivojlantirish uchun
samarali ekanligi isbotlangan va u quyidagi tenglamalar bilan ifodalangan:
) o'quv jarayoni
orqali olingan. O'quv jarayonini o'rganish algoritmlari gradient tushish algoritmi (GD),
impuls algoritmi bilan gradient tushishi (GDM), sozlanishi o'rganish tezligi algoritmi
(GDA), moslashuvchan BP algoritmi (RP), Fletcher-Reves konjugat gradient algoritmi
(CGGF) ni o'z ichiga oladi. ), Polak-Ribiers konjugat gradient algoritmi (CGP), Pauell-
Beale konjugat gradient algoritmi (CGB), masshtabli konjugat gradient algoritmi (SCG),
Broyden-Fletcher- Goldfarb-Shanno algoritmi (BFG), bir bosqichli sekantOSS), Levenberg-
Marquardt algoritmi (LM) va boshqalar. Ushbu maqolada ANN modeli o'rganish algoritmi
va ANN topologiyasini nazarda tutuvchi harflar va raqamlar bilan nomlandi. Misol uchun,
agar ANN modeli 1-rasmdagi kabi ANN topologiyasiga ega bo'lsa
va
GD algoritmi
tomonidan ishlab chiqilgan bo'lsa, u "GD2423" deb belgilanadi. Ushbu tadqiqotda
modellashtirish Core i5-8600kCPU (4,0–4,4 GHz), DDR4–3000 RAM (8 GB) bilan
jihozlangan kompyuterda amalga oshirildi.
3. ANN modelini optimallashtirish
ilg'or daraja, bu yaxshi hisoblash aniqligini ko'rsatadi. Aniqlanishicha, LM, CGB va GD
algoritmlari ANN modelini o'qitishda ustunlik ko'rsatgan va keyingi tadqiqotda tanlangan
qoniqarli hisoblash aniqligiga erishgan.
ð5Þ
Yashirin qatlamlarning ta'sirini o'rganish uchun uchta turdagi ANN topologiyalari
ishlab chiqilgan va "243", "2423" va "24,223" deb belgilangan va to'qqizta ANN modeli
yaratilgan.
2-jadvalda
ko'rsatilganidek , GD va LM algoritmlari uchun MSE qiymatlari
avval ortdi, keyin pasaydi va R2 qiymatlari avval kamaydi, keyin esa baland yashirin
qatlamlar bilan ortadi; CGB algoritmi uchun MSE qiymatlari avval kamaydi, keyin ortdi
va R2 qiymatlari avval ko'tarildi, keyin esa ko'tarilgan yashirin qatlamlar bilan kamayadi.
Yashirin tugunlarning ta'siri birinchi yashirin qatlamdagi tugunlarni moslashtirish
orqali o'rganildi va to'qqizta ANN modeli yaratildi. 3-jadvalda ko'rsatilganidek , barcha
o'rganish algoritmlari uchun MSE qiymatlari avval kamaydi, keyin ortdi va R2 qiymatlari
birinchi yashirin qatlam tugunlarini 2 dan 8 gacha oshirish bilan deyarli teskarisini amalga
oshirdi. Eng yaxshi MSE qiymatlari 10
kattalikda edi.
ÿ5 va erishildi
GD, LM va CGB algoritmlari uchun mos keladigan yashirin qatlamlar soni mos ravishda
3, 3 va 2 ekanligi aniqlandi.
2.3. Asosiy ma'lumotlar
Trening ma'lumotlari tajriba ma'lumotlarining 90% bir shaklda taqsimlangan holda
o'rnatildi.
2.2-
bo'limda
eslatib o'tilgan o'rganish algoritmlari "2423" deb belgilangan
topologiyaga qo'llanilib, o'n bitta ANN modeliga erishildi.
1-
jadvalda ko'rsatilgandek ,
GDM2423 modelidan tashqari, boshqa modellarning MSE o'qitish qiymatlari 10ÿ4
kattalikda edi
va ko'pchilik R2 qiymatlari 0,85 dan yuqori edi, ayniqsa LM2423, GD2423
va CGB2423
modellari eng yuqori R2 qiymatlarini (ÿ0,9) ko'rsatdi. ). LM2423, CGB2423 va GD2423
modellari uchun sinov MSE qiymatlari
1
k
k
k
k
k
0,025
1834 yil
0,965
GD24223
GD243
ANN modeli Trening MSEÿ R2 (X)ÿ R2 (C2 =)
ÿ
R2 (C3 =)
0,877
0,800
0,744
0,885
0,899
0,882
0,938
0,950
CGB2823
GD24223
0,944
SCG2423
2-jadval
LM2423
0,779
1-jadval
RP2423
4,60 × 10ÿ4
1,13 × 10ÿ4
2,07 × 10ÿ3
2,60 × 10ÿ3
3,33 × 10ÿ4
3,47 × 10ÿ4
5,81 × 10ÿ4
4,76 × 10ÿ5
5,26 × 10
0,950
0,957
MSEÿ sinovi
ÿ Trening ma'lumotlari asosida. ÿ
Sinov ma'lumotlari asosida.
6,13 × 10ÿ5
1,20 × 10ÿ4
9,12 × 10ÿ5
1,27 × 10ÿ4
1,17 × 10ÿ4
1,12 × 10ÿ3
5,69 × 10ÿ5
9,75 × 10ÿ5
7,43 × 10
0,934
0,945
0,931
0,929
0,951
0,928
OSS2423
1.20 × 10ÿ4
6.50 × 10ÿ3
1.59 × 10ÿ4
1.15 × 10ÿ4
2.50 × 10ÿ4
2.38 × 10ÿ4
1.17 × 10ÿ4
2.75 × 10ÿ4
2.58 × 10ÿ4
2.58
× 2.0.0.
9,75 × 10ÿ5
Turli yashirin tugunlarga ega ANN modeli uchun aniqlik tahlili
CGB2423
GD2423
CGB2423
0,788
LM28223
0,754
0,986
0,128
0,973
0,716
0,760
0,951
0,938
0,877
0,997
0,995
0,940
0,951
0,897
0,987
0,983
0,997
0,883
3-jadval
CGB2223
0,973
3,22 × 10ÿ4
GD2423 GDM2423 1,33 × 10ÿ2
4,63 × 10ÿ4 GDA2423 4,05 ×
10ÿ4 5,52 ×
10ÿ4 5,02 × 10ÿ4 3,33 × 10ÿ4
3,33 × 10ÿ4
3,33 ×
10ÿ4
1,33 × 10ÿ2
4,63 ×
10ÿ4 .
10ÿ4 2,01 ×
10ÿ4
CGP2423
0,951
0,950
MSEÿ sinovi
0,966
LM24223
0,913
0,972
0,481
0,364
0,899
0,924
0,725
0,990
0,991
ANN modeli Trening MSEÿ R2 (X)ÿ R2 (C2 =)
ÿ
R2 (C3 =)
0,903
0,899
0,446
0,986
0,956
0,990
0,893
ANN modeli Trening MSEÿ R2 (X)ÿ R2 (C2 =)
ÿ
R2 (C3 =)
0,972
GD22223
0,983
0,957
MSEÿ sinovi
CGF2423
V. Zhu va boshqalar. / Xitoy Kimyoviy muhandislik jurnali 28 (2020) 1832–1839
GD28223
0,951
0,910
0,950
0,901
0,913
0,951
0,901
0,946
0,512
LM22223
0,942
0,951
0,756
0,981
0,966
0,992
0,986
0,675
0,603
0,951
0,948
0,930
0,992
0,992
ÿ Trening ma'lumotlari asosida. ÿ
Sinov ma'lumotlari asosida.
Turli yashirin qatlamlarga ega ANN modeli uchun aniqlik tahlili
0,956
Turli xil o'rganish algoritmlari bilan ANN modeli uchun aniqlik tahlili
ÿ Trening ma'lumotlari asosida. ÿ
Sinov ma'lumotlari asosida.
0,913
BFG2423
3,10 × 10ÿ4
3,22 × 10ÿ4
1,13 × 10ÿ4
3,98 × 10ÿ4
CGB243 3,33 × 10ÿ4 CGB2423
CGB24223
1,72 × 10ÿ3 1,19 ×
10ÿ3 1,19 ×
10ÿ3 1,19 ×
10ÿ4 LM
×
10ÿ4
1,19
× 10ÿ4 1,13 ×
10ÿ4 3,98 × 10ÿ4
LM24223
2,52 × 10ÿ4
9,12 × 10ÿ5
2,54 × 10ÿ3
1,76 × 10ÿ3
1,17 × 10ÿ4
1,59 × 10ÿ4
3,00 × 10ÿ4
7,43 × 10ÿ5
9,29 × 10
,
ÿ
i
i
ÿ
ÿ
Machine Translated by Google

---

,
n-pentanli yorilish jarayoni. Eksperiment ma'lumotlari og'ish aniq bo'lishi
uchun ANN modelining hisoblash ma'lumotlariga qarshi chizilgan.
2
-
rasmda ko'rsatilganidek, qattiq-45 ° chiziq (y = x) hisoblash va tajriba
ma'lumotlari o'rtasidagi ideal moslikni (og'ish = 0) ifodalaydi va chiziq
chiziqlari n-pentan uchun ± 2% xatolar chegaralarini ko'rsatdi. con
versiyasi
(Fig.2a)
va etilen va propen hosildorligi uchun ±1 wt% xatolar
(Fig.2b
va c).
Chiziq
chiziqlari orasidagi nuqtalarning foiz nisbati
2a,
b va
c da 76%, 88% va 84% ni tashkil etdi, bu GD24223, CGB2423 va
LM24223 modellarining o'rtacha ishlashini ko'rsatib, n-pentan konvertatsiya
ma'lumotlarining 76% edi. 2% dan kam og'ish bilan hisoblangan, etilenning
88% ma'lumotlarining og'irligi 1% dan kam og'ish bilan hisoblangan va
propenning 84% og'ishi og'irligi 1% dan kam og'ish bilan hisoblangan.
GD24223 ,
CGB2423 va LM24223 modellari uchun chiziqli chiziqlar
orasidagi nuqtalarning foiz nisbati ham mos ravishda
2-rasmda hisoblangan
va belgilangan .
GD24223 va CGB2423 modellari bilan solishtirganda,
LM24223 modeli 90% dan ortig'ini og'ish chegarasida ushlab turish
qobiliyatiga ega bo'lib, hisoblash va tajriba ma'lumotlari o'rtasidagi
mukammal kelishuvni tasdiqladi. CGB2423 modeli GD24223 va LM24223
modellari kabi yaxshi bo'lmasa-da, bu ishda n-pentan konversiyasi
ma'lumotlarining 60% 2% dan kam og'ish bilan hisoblanganligi ma'qul
bo'lgan, etilen hosildorligi ma'lumotlarining 73% bilan hisoblangan. og'ish
1 wt% dan kam og'ish va propen hosildorligi ma'lumotlarining 66% og'ish
1 wt% dan kam og'ish bilan hisoblangan. Aniqlanishicha, GD24223,
CGB2423 va LM24223 modellari n-pentan krekingida engil olefin ishlab
chiqarishni yaxshi taqlid qilgan va LM24223 modeli n-pentan konversiyasini,
etilen unumini va propen rentabelligini tadqiqot miqyosida eng yaxshi
aniqlik bilan hisoblagan.
Optimal ANN modellarining ishlashi, shu jumladan
com edi
4. Yengil olefin ishlab chiqarishni simulyatsiya qilish
GD24223, CGB2423 va LM24223 modellari. Hassanpour va boshqalar.
[60] ,
shuningdek, yashirin tugunlarning ta'sirini o'rganib chiqdi va yashirin
tugunlarning ko'payishi hisob-kitoblarning aniqligini doimiy ravishda oshirishga
olib kelmasligini aniqladi, bu esa ushbu ishda erishilgan natijalarga mos keladi.
Karimi va boshqalar.
[57]
ANN modelidan gripp bilan kasallanishning minimal
tezligini, to'liq suyuqlikning minimal tezligini va toraytirilgan suyuqlik qatlamining
maksimal bosimining pasayishini taxmin qilish uchun foydalangan va sinov
MSE qiymatlari 5,5 × 10ÿ6 2,4 × 10ÿ5 va 1,3 × 10
edi.
ÿ3 , mos ravishda.
Epelde va boshqalar.
[44]
HZSM-5 zeolitlari ustidan 1-
buten transformatsiyasini
simulyatsiya qilish uchun sakkiz bo'lak va besh bo'lakni o'rnatdi va mos
keladigan MSE qiymatlari mos ravishda 8,78 × 10-4 va 1,45 × 10-3 edi. Xian
va boshqalar.
[62]
uglevodorodning superkritik mushuk alitik krekingi uchun
birinchi darajali Langmuir kinetik
modelini ishlab chiqdi va MSE qiymati 8,26 × 10ÿ5
edi.
.
Hisoblash aniqligi ham xabar qilingan modellarga nisbatan maqbul bo'ldi.
Sedighi va boshqalar.
[35]
Fe/ZSM-5 katalizatorida nafta bug 'katalitik
krekingini tasvirlash uchun olti bo'lakli kinetik modelni taklif qildi va
etilen
va propen uchun
R2 qiymatlari mos ravishda 0,92 va 0,88 ni tashkil etdi.
,
Umuman olganda, o'rganish algoritmi va topologiyasi tuzilishi ANN modeli
uchun hal qiluvchi ahamiyatga ega ekanligi va optimal moslik hisoblashning
mukammal aniqligiga erishishga yordam berganligi ko'rib chiqildi. Masalan,
boshqa ANN modellari bilan solishtirganda, LM24223, GD24223 va CGB2423
modellari eng yaxshi hisoblash aniqligiga erishdi. R2
qiymatlari
1
ga yaqin
edi va MSE qiymatlari
eksperiment xatolariga
nisbatan 1 ×
10ÿ4
masaldan
past yoki cheksiz yaqin edi
va hozirgi ish uchun etarlicha yaxshi.
GD24223, CGB2423 va LM24223 modellari simulyatsiya orqali baholandi.
2-rasm. Tajriba va hisoblash ma'lumotlarini taqqoslash: (a) n-pentan konversiyasi, (b) etilen unumi va (c) propen unumi.
V. Zhu va boshqalar. / Xitoy Kimyoviy muhandislik jurnali 28 (2020) 1832–1839
1835 yil
Machine Translated by Google

---

6. Xulosalar
qoniqarli aniqlik.
CGB2423 modelining
MSE va R2 qiymatlari LM24223
modelidagi kabi yaxshi bo'lmasa ham, ular hali ham maqbul edi va o'quv
ma'lumotlarining kamayishi deyarli ta'sir qilmadi, bu CGB2423 modelining
yuqori barqarorligini ko'rsatadi. GD24223 modeli dastlab CGB2423 va
LM24223 modellari bilan solishtirish mumkin edi, ammo uning hisoblash
aniqligi o'quv ma'lumotlarining nisbati 50% ga kamayishi bilan keskin
yomonlashdi. Aniqlanishicha, LM24223 modeli GD24223 va CGB2423
modellariga nisbatan har doim eng yaxshi hisoblash aniqligini namoyish
etgan, shu bilan birga u o'quv ma'lumotlarining kamayishi bilan biroz
o'zgargan; CGB2423 modeli GD24223 va LM24223 modellariga nisbatan
eng yaxshi barqarorlikni namoyish etdi, ular o'quv ma'lumotlarining
kamayishi bilan deyarli o'zgarmadi; GD24223 modelining hisoblash
aniqligi yetarlicha o'quv ma'lumotlariga bog'liq edi.
va
Bundan tashqari, GD24223, CGB2423 va LM24223 modellari turli
xil o'quv ma'lumotlarini taqsimlash, jumladan, past, pastki va yuqori
rejimlarni o'rnatdi.
5-
rasmda ko'rsatilganidek , GD24223 modeli ichi
bo'sh va pastki rejimlar uchun nisbatan barqaror edi: MSE qiymatlari
10ÿ3 –10ÿ4
kattalikda
va R2 qiymatlari 1 ga yaqin edi. Biroq, yuqori
rejim sezilarli tebranish va ba'zi
MSE qiymatlari 10ÿ2
kattalikda edi.6
-rasmda ko'rsatilganidek ,
CGB2423 modeli ichi bo'sh, pastki va yuqori rejimlar uchun nisbatan
barqaror edi: MSE
qiymatlari 10ÿ3 -10
kattalikda edi.
ÿ4 R2 qiymatlari 1 ga yaqin edi. 7-
rasmda ko'rsatilganidek , LM24223 modeli ichi bo'sh, pastki va yuqori
rejimlar uchun beqaror edi va ma'lum MSE qiymatlari 10ÿ2
kattalik
tartibida
edi. o'quv ma'lumotlarini taqsimlash yagona rejimga nisbatan
hisoblash aniqligini sezilarli darajada pasaytirdi va CGB2423 modeli
GD24223 va LM24223 modellariga
nisbatan o'quv ma'lumotlarini taqsimlash o'zgarishlariga nisbatan
barqarorroq edi. O'quv ma'lumotlar guruhlari turlariga ega CGB2423
modeli har doim barqaror ishlashni namoyish etdi, bu uning n-pentanli
krekingda engil olefin ishlab chiqarishni simulyatsiya qilish uchun
qo'llanilishini tasdiqladi.
ANN modeli bir qator eksperiment ma'lumotlariga asoslangan bo'lib,
kamroq eksperiment ma'lumotlari va tasodifiy taqsimot bilan hisoblashning
aniqligini qanday saqlash qiziqarli mavzuga aylandi. Bu erda o'quv
ma'lumotlarining model barqarorligiga ta'siri o'rganildi: (1) Ta'lim
ma'lumotlari mos ravishda eksperiment ma'lumotlarining 90%, 80%, 70%,
60% va 50% sifatida o'rnatildi; qolganlari sinov ma'lumotlari sifatida
ishlatilgan. (2) 3-rasmda ko'rsatilganidek,
o'quv
ma'lumotlarini tarqatishning
to'rt turi, jumladan, bir xil rejim, ichi bo'sh rejim, pastki rejim va yuqori
rejim hisobga olingan.
,
,
Qisqacha aytganda, n-pentan krekingida engil olefin ishlab chiqarishni
taqlid qilish uchun ANNga asoslangan mashinani o'rganish modeli
yaratilgan. ANN modelini ishlab chiqishda ma'lumotlarni oldindan qayta
ishlash, modelni loyihalash, o'qitish jarayoni va sinov jarayonining tizimli
protsedurasi amalga oshirildi va samaradorlikni baholash uchun
MSE va
R2
indekslari hisoblab chiqildi.
ANN modeli kirish qatlamida reaktivlik
harorati va katalizator miqdorini qamrab oluvchi ikkita tugun bilan va n-
pentan konversiyasini, etilen unumini va propen chiqishini qamrab olgan
chiqish qatlamidagi uchta tugun bilan yaratilgan. GD24223, LM24223 va
CGB2423 modellari o'rganish algoritmi va ANN topologiyasini optimal
tarzda moslashtirish orqali o'rnatildi va n-pentan konvertatsiya
ma'lumotlarining 76% dan kamroq og'ish bilan hisoblangan mukammal hisoblash aniqligiga erishildi.
5. ANN modelining asosiy ma'lumotlarga nisbatan qo'llanilishi
GD24223, CGB2423 va LM24223 modellari bir xil va kamayib borayotgan
o'quv ma'lumotlari bilan yaratilgan.
4-
rasmda ko'rsatilganidek ,
LM24223
modelining
MSE va R2 qiymatlari o'quv ma'lumotlarining nisbati 90% dan 50%
gacha kamayishi bilan bir oz pasayib ketdi, shu bilan birga u har doim o'zini saqlab qoldi.
.
.
V. Zhu va boshqalar. / Xitoy Kimyoviy muhandislik jurnali 28 (2020) 1832–1839
3-rasm. O'quv ma'lumotlarini tarqatish rejimlarining sxematik diagrammasi.
1836 yil
4-rasm. O'quv ma'lumotlari hajmining ANN modelining ishlashiga ta'siri: (a) MSE va (b) R2 .
Machine Translated by Google

---

Ushbu ish uglevodorodlarni kreking jarayonini simulyatsiya qilishda
mashinani o'rganish imkoniyatlarini o'rganish va samarali va umumiy
modellashtirish nazariyasini yaratish uchun asos yaratish uchun mo'ljallangan.
kattaligi 10ÿ3 –10ÿ4 boÿlib, n-pentanli krekingda yengil olefin ishlab chiqarishni
simulyatsiya qilish uchun qoÿllanilishini tasdiqlaydi.
2%, 88% etilen hosildorligi ma'lumotlari og'irligi 1% dan kam og'ish bilan
hisoblangan va propen hosildorligi ma'lumotlarining 84% og'ish 1 wt% dan kam
og'ish bilan hisoblangan. GD24223, CGB2423 va LM24223 modellarining
barqarorligi o'quv ma'lumotlarini asta-sekin kamaytirish va bir vaqtning o'zida
tarqatish rejimlarini moslashtirish orqali tekshirildi. GD24223 va LM24223
modellari bilan solishtirganda, CGB2423 modeli o'quv ma'lumotlarining
o'zgarishiga nisbatan barqarorroq edi va MSE qiymatlari har doim saqlanib qoldi.
Uglevodorod piroliz jarayoni uchun ko'proq deskriptorlarni o'z ichiga olish uchun
mashinani o'rganish modeli doimiy ravishda takomillashtiriladi. Masalan,
6-rasm. O'quv ma'lumotlarini taqsimlashning CGB2423 modelining ishlashiga ta'siri: (a) MSE va (b) R2 .
7-rasm. O'quv ma'lumotlarini taqsimlashning LM24223 modelining ishlashiga ta'siri: (a) MSE va (b) R2 .
V. Zhu va boshqalar. / Xitoy Kimyoviy muhandislik jurnali 28 (2020) 1832–1839
5-rasm. O'quv ma'lumotlarini taqsimlashning GD24223 modelining ishlashiga ta'siri: (a) MSE va (b) R2 .
1837 yil
Machine Translated by Google

---

Minnatdorchilik
Zanjir uzunligi yoki tarkibining uglevodorod piroliziga ta'sirini o'rganish
uchun eksperimental tadqiqotlar olib borildi va mashinani o'rganish
modelining qo'llanilish doirasini kengaytirish uchun mo'ljallangan so'nggi
ishda mos keladigan mashinani o'rganish modeli o'rganilmoqda.
Keyingi tadqiqotlar mashinani o'rganishga e'tibor qaratishni davom ettiradi
va ishlashni qanday yaxshilash va asosiy ma'lumotlarga bog'liqlikni
kamaytirishni aniqlashga harakat qiladi va shu bilan kimyo sanoatida
mashinani o'rganishni qo'llash doirasini kengaytiradi. Mashinani o'rganish
va kinetik modelning ustunligini birlashtirish orqali samarali va umumiy
metodologiyalar to'plami kutilgan edi, bu turli xil engil olefin jarayonlari
uchun mos va reaktor modeliga kirish mumkin edi. Bu reaktsiya blokini
to'ldirishga yordam beradi va jarayonni simulyatsiya qilish va optimallashtirish
texnologiyalarini rivojlantirishga yordam beradi.
Mualliflar Xitoy Milliy Tabiatshunoslik Jamg'armasi (Grant ÿ 21908010),
Jilin provinsiyasi ta'lim bo'limi (Grant ÿ 2) tomonidan moliyaviy ko'mak
uchun minnatdorchilik bildiradilar.
JJKH20191314KJ) va Changchun texnologiya universiteti.
Ma'lumotnomalar
[52]
M. Mesbah, E. Soroush, M. Rezakazemi, tabiiy gaz gidrat hosil bo'lish haroratini bashorat
qilish uchun eng kichik kvadratlarni qo'llab-quvvatlovchi vektor mashinasi modelini ishlab
chiqish, Chin. J. Chem. Eng. 25 (2017) 1238–1248.
yo'q, Curr. Fikr. Kimyo. Eng. 5 (2014) 1–6.
[53]
K. Bi, T. Qiu,
gibrid GA-PSO usuliga asoslangan xom neft xususiyatlarini bashorat qilish uchun
aqlli SVM modellashtirish jarayoni ,
Chin.
J. Chem. Eng. 27 (2019) 1888–1894.
Superkritik bosimdagi n-dodekan, Energy Fuel 32 (2018) 12426–12434.
[54]
M. Li, V. Vu, B. Chen, Y. Vu, X. Huang,
sun'iy neyron tarmog'iga asoslangan polimerlardagi
gazlarning eruvchanligini bashorat qilish :
sharh, RSC Adv.
7 (2017) 35274–35282.
[31]
T. von Aretin, S. Standl, M. Tonigold, O. Hinrichsen,
ZSM-5 da bir hodisa metodologiyasidan
foydalangan holda 1-pentenli kreking uchun mahsulot spektrini optimallashtirish .
2
-qism : Qayta
ishlash reaktori, Chem. Eng. J. 309 (2017) 873–885.
1838 yil
[39]
X. Meng, C. Xu, L. Li, J. Gao, Og'ir neft katalitik piroliz kinetikasi bo'yicha tadqiqotlar, Ind.
[11]
A. Kossiakoff, FO Rays, uglevodorodlarning termal parchalanishi, rezonans barqarorligi va erkin
radikallarning izomerizatsiyasi, J. Am. Kimyo. Soc. 65 (1943) 590–595.
reaksiya tarmoqlari, J. Catal. 308 (2013) 352–362.
[5]
SM Sadrameli, Olefinlarni ishlab chiqarish uchun uglevodorodlarning termal/katalitik krekingi : Eng
zamonaviy sharh I: Termal kreking sharhi, Fuel 140 (2015) 102–115.
Eng. Kimyo. Res. 32 (1993) 2997–3005.
[2]
A. Korma, E. Korreza, Y. Matye, L. Sauvanaud, S. Al-Bogami, MS Al-Grami, A.
[14]
X. Meng, C. Xu, J. Gao, L. Li, Og'ir yog'larning katalitik piroliziga oid tadqiqotlar: Reaktsiya be
xaviorlari va mexanik yo'llari, Ilova. Katal. A 294 (2005) 168–176.
[47]
P. Nageswara Rao, D. Kunzru, JP-10 ning termal krekingi: Kinetika va mahsulot taqsimoti
[41]
J. Li, T. Li, H. Ma, Q. Sun, C. Li, V. Ying, D. Fang, modifikatsiyalangan HZSM-5 katalizatorida
buten va pentenning birikish yorilishi kinetikasi, Chem. Eng. J. 346 (2018) 397–405.
[8]
Y. Che, M. Yuan, Y. Qiao, Q. Liu, J. Zhang, Y. Tian,
vakuum qoldiqlaridan engil olefinlarni ishlab
chiqarishni kuchaytirish uchun ierarxik millisekundli gaz fazali katalitik kreking jarayonining
fundamental o'rganishi ,
Yoqilg'i.
237 (2019) 1–9.
[36]
A. Afshar Ebrahimi, H. Musaviy, X. Bayesteh, J. Tovfigi, VGO katalitik kreking uchun to'qqizta kinetik
model: Katalizatorni o'chirishdan foydalanish, Yoqilg'i 231 (2018) 118-125.
[30]
T. von Aretin, S. Standl, M. Tonigold, O. Hinrichsen,
ZSM-5 da bitta hodisa metodologiyasidan
foydalangan holda 1-pentenli kreking uchun mahsulot spektrini optimallashtirish .
1-
qism : Ikki
zonali reaktor, Chem. Eng. J. 309 (2017) 886–897.
yorilib ketgan n-dekan, J. Propuls. Quvvat 21 (2005) 344–355.
[38]
X. Meng, C. Xu, L. Li, J. Gao, o'zgartirilgan ZSM-5 zeolit katalizatorida C4 uglevodorodlarining
katalitik pirolizini kinetik o'rganish , Energy Fuel 24 (2010) 6233-6238.
[51]
D. Chjan, L. Xou, M. Gao, X. Chjan, termal yorilish bo'yicha
tajriba va modellashtirish
[32]
J. Sundberg, S. Standl, T. von Aretin, M. Tonigold, S. Rehfeldt, O. Hinrichsen, H. Klein, ZSM-5 da
yuqori olefinlarning katalitik krekingi uchun optimal jarayon, Chem. Eng. J. 348 (2018) 84–94.
[10]
S. Al-Khattaf, MR Saeed, A. Aitani, MT Klein,
E-Cat va MFI orqali engil xom neftni engil olefinlar va
naftaga katalitik kreking :
ilg'or krekingni
baholashga qarshi mikroaktivlik testi va yuqori reaktsiya
haroratining ta'siri , Energiya yoqilg'isi 32 (2018) 6189–6199.
[27]
JW Thybaut, GB Marin, Yagona hodisa MicroKinetics: Kompleks uchun katalizator dizayni
[46]
K. Xiong, C. Lu, Z. Wang, X. Gao,
FCC katalizatorlarining fizik-kimyoviy xossalari bilan yorilish
ko'rsatkichlarining miqdoriy korrelyatsiyasi,
yangi bo'lakli kinetik modellashtirish
usuli, Yoqilg'i 161
(2015) 113-119.
[4]
N. Rahimi, R. Karimzadeh, engil olefinlarni ishlab chiqarish uchun modifikatsiyalangan ZSM-5
zeolitlari ustida uglevodorodlarning katalitik krekingi : Tadqiq, Appl. Katal. A 398 (2011) 1–17.
[19]
W. Feng, E. Vynckier, GF Froment, Single event kinetics of katalitik kreking, Ind.
[23]
R. Quintana-Solórzano, JW Thybaut, GB Marin, R. Lødeng, A. Holmen, Katalitik krekingda koks
hosil bo'lishi uchun bir hodisa mikrokinetikasi, Katal. Bugun 107-108 (2005) 619-629.
[1]
I. Amghizar, LA Vandewalle, KM Van Geem, GB Marin, Olefin ishlab chiqarishdagi yangi
tendentsiyalar, Muhandislik 3 (2017) 171–178.
neft, Katal. Kommun. 8 (2007) 1197–1201.
[13]
WO Haag, RM Dessau, Kislota-katalizli parafin kreking mexanizmining ikkitomonlamaligi, Kataliz
bo'yicha 8-Xalqaro Kongress materiallari, Dechema, Berlin, 2, 1984, 305-316-betlar.
[29]
S. Standl, M. Tonigold, O. Hinrichsen,
ZSM-5 da olefinlarning yorilishining bir hodisali kinetik
modellanishi :
Ozuqa mustaqilligini isbotlash, Ind. Eng.
Kimyo. Res. 56 (2017) 13096–13108.
Edvards, Og'ir xom neftlardan engil olefinlar ishlab chiqarishni kuchaytirish: qiyinchiliklarni
imkoniyatlarga aylantirish, Catal. Bugun 317 (2018) 86–98.
Fe/ZSM-5 katalizatorida nafta, Yoqilg'i 109 (2013) 432–438.
[49]
TA Ward, JS Ervin, S. Zabarnick, L. Shafer, bosimning yumshoq oqimga ta'siri
[17]
GF Froment, Kimyoviy reaksiyalar uchun asosiy kinetik tenglamalar va pro
8415–8423.
Kimyo. Res. 40 (2001) 1337–1347.
[34]
Y. Liu, X. Chen, H. Zhao, C. Yang, Daqing atmosfera qoldig'ining katalitik pirol ysis uchun kinetik
modelini yaratish, Chin. J. Chem. Eng. 17 (2009) 78–82.
[45]
T. Kordero-Lanzak, AT Aguayo, AG Gayubo, P. Kastaño, J. Bilbao, n-pentan krekingi va HZSM-5
asosidagi katalizatorni deaktivatsiya qilish uchun kinetikani bir vaqtda modellashtirish, Chem. Eng.
J. 331 (2018) 818–830.
[26]
R. Van Borm, M.-F. Reyniers, GB Marin, FAU da alkanlarning katalitik krekingi: Yagona hodisali
mikrokinetik modellashtirish, shu jumladan kislotalilik deskriptorlari, AIChE J 58 (2012) 2202–2215.
[3]
SM Sadrameli, olefinlarni ishlab chiqarish uchun suyuq uglevodorodlarning termal/katalitik krekingi:
Astate-zamonaviy sharh II: Katalitik kreking sharhi, Fuel 173 (2016) 285–297.
Vahiy 47 (2005) 83–124.
[22]
JW Thybaut, GB Marin, GV Baron, PA Jacobs, JA Martens, Pt/H-(US)Y-zeolitda alkan
gidrokonversiyasini fundamental kinetik modellashtirishdan alken protonatsiyasi entalpiyasini
aniqlash ,
J. Catal.
202 (2001) 324–339.
Kimyo. Soc. 56 (1934) 284–289.
[40]
X. Meng, C. Xu, J. Gao, L. Li, og'ir katalitik piroliz uchun etti bo'lakli kinetik model.
[7]
FM Alotaibi, S. Gonsales-Cortés, MF Alotibi, T. Xiao, X. Al-Megren, G. Yang, PP
[21]
GG Martens, GB Marin, JA Martens, PA Jacobs, GV Baron, Pt/US–Y zeolitlarida C8 dan C12gacha
alkanlarning gidrokrekinsiyasi uchun asosiy kinetik model, J. Catal. 195 (2000) 253–267.
bution, J. Anal. Ilova. Pirol. 76 (2006) 154–160.
[33]
G. Roohollahi, M. Kazemeini, A. Mohammadrezaee, R. Golhosseini, HZSM-5 zeoliti ustida i-butan
va n-butan katalitik kreking reaktsiyalarining kimyoviy kinetik modellanishi, AIChE J 58 (2012)
24656-2.
[43]
D. Mier, AT Aguayo, M. Gamero, AG Gayubo, J. Bilbao, HZSM-5 zeolit katalizatorida n butan
krekingini kinetik modellashtirish, Ind. Eng. Kimyo. Res. 49 (2010)
[16]
R. Zhang, Z. Vang, H. Liu, Z. Liu, G. Liu, X. Meng, katalitik pirolizda engil olefinlarning termodinamik
muvozanat taqsimoti, Appl. Katal. A 522 (2016) 165–171.
[24]
HC Beirnaert, JR Alleman, GB Marin, Koks hosil bo'lishida USY zeolitida
alkanlarning katalitik
yorilishi uchun fundamental kinetik model ,
Ind. Eng.
[18]
GF Froment, Murakkab katalitik jarayonlarning yagona hodisa kinetik modellashtirish, Katal.
[44]
E. Epelde, AT Aguayo, M. Olazar, J. Bilbao, AG Gayubo, K-modifiedHZSM-5 katalizatorida 1-
butenning trans shakllanishi uchun kinetik model, Ind. Eng. Kimyo. Res. 53 (2014) 10599–10607.
[25]
R. Quintana-Solórzano, JW Thybaut, GB Marin, Koks hosil bo'lmaganda muvozanat katalizatorida
(siklo)alkanlarning katalitik yorilishining bir hodisali mikrokinetik tahlili , Chem. Eng. Sci. 62 (2007)
5033–5038.
[35]
M. Sedigi, K. Keyvanloo, J. Tovfigi, bug'ning katalitik krekingini kinetik o'rganish .
V. Zhu va boshqalar. / Xitoy Kimyoviy muhandislik jurnali 28 (2020) 1832–1839
[12]
FO Rays, KF Herzfeld,
Erkin radikallar nuqtai nazaridan organik birikmalarning termal parchalanishi .
VI. Ayrim zanjirli reaksiyalar mexanizmi, J. Am.
Eng. Kimyo. Res. 42 (2003) 6012–6019.
[28]
T. von Aretin, S. Schallmoser, S. Standl, M. Tonigold, JA Lercher, O. Hinrichsen, ZSM-5 da 1-
pentenli yorilish uchun bir hodisa kinetik modeli, Ind. Eng. Kimyo. Res. 54 (2015) 11792–11803.
[6]
A. Corma, L. Sauvanaud, Y. Mathieu, S. Al-Bogami, A. Bourane, M. Al-Ghrami, kimyoviy moddalar
ishlab chiqarish uchun to'g'ridan-to'g'ri xom neft krekingi: Termal krekingni modellashtirish, Fuel
211 (2018) 726– 736.
[20]
NV Dewachtere, F. Santaella, GF Froment, Vakuumli gaz moyining katalitik krekingi uchun sanoat
ko'taruvchi reaktor simulyatsiyasida bir hodisa kinetik modelini qo'llash ,
Chem.
Eng. Sci. 54 (1999)
3653–3660.
[48]
T. Ward, JS Ervin, RC Striebich, S. Zabarnick, proportsional mahsulot taqsimotini o'z ichiga olgan
engil yoriqli normal alkanlarning oqishi simulyatsiyasi, J. Propuls. Quvvat 20 (2004) 394–402.
Bourane, Xom neftdan kimyoviy moddalarga: xom neftdan engil olefinlar, Catal. Sci. Technol. 7
(2017) 12–46.
[15]
X. Meng, C. Xu, L. Li, J. Gao,
Kanada sintetik xom neftidan olingan og'ir gaz moyining katalitik
pirolizidan benzin va dizel fraktsiyalarining kreking ishlashi, Energy Fuel 25 (2011) 3382–3388.
[42]
DV Naik, V. Karthik, V. Kumar, B. Prasad, MO Garg,
FCC birligida VGO bilan piroliz moylarini
katalitik yorilish uchun kinetik modellashtirish ,
Chem.
Eng. Sci. 170 (2017) 790–798.
[55]
B. Vaferi, M. Karimi, M. Azizi, H. Esmaeili, qattiq aro eruvchanligini olishda sun'iy neyral tarmoq,
SAFT va PRSV yondashuvi o'rtasidagi taqqoslash.
[9]
MA Bari Siddiqui, AM Aitani, MR Saeed, S. Al-Xattaf, FCC naftani mezoporoz ZSM-5 katalizatori
ustidan katalitik yorilish orqali engil olefinlar ishlab chiqarishni kuchaytirish, Top. Katal. 53 (2010)
1387–1393.
[37]
X. Meng, C. Xu, L. Li, J. Gao,
Kanada sintetik xom neftidan olingan og'ir gaz moyining katalitik
piroliz kinetikasi ,
Energy Fuel 25 (2011) 3400–3407.
[50]
Y. Zhu, B. Liu, P. Jiang, Vertikal naychadagi superkritik bosimlarda n-dekan termal yorilish bo'yicha
eksperimental va raqamli tadqiqotlar, Energy Fuel 28 (2014) 466-474.
Machine Translated by Google

---

Analiz. Ilova. Pirol. 138 (2019) 270–280.
superkritik karbonat angidriddagi matik birikmalar, J. Superkrit. Suyuqlik. 77 (2013) 44–51.
[57]
M. Karimi, B. Vaferi, SH Hosseini, M. Rasteh , konstruktiv va ish parametrlaridan ko'ra, konstruktsiyali
suyuq qatlamning gidrodinamik xususiyatlarini baholash uchun samarali sun'iy aqlli yondashuvni
loyihalash, Ind. Eng. Kimyo. Res. 57 (2018) 259–267.
[58]
F. Hua, Z. Fang, T. Qiu, keng ko'lamli nafta piroliz kinetik modellashtirish uchun konvolyutsion
neyron tarmoqlarini qo'llash, Chin. J. Chem. Eng. 26 (2018) 2562–2572.
[59]
Z. Chen, V. Ma, K. Vey, J. Vu, S. Li, K. Xie, G. Lv, suv osti yoyi mo'ynali mo'ynali mo'ynalarda
kremniy ishlab chiqarish quvvat sarfini baholash uchun sun'iy neyron tarmog'ini modellashtirish,
Appl. . Term. Eng. 112 (2017) 226–236.
[60]
M. Hassanpour, B. Vaferi, ME Masoumi, turli sun'iy intellekt (AI) proaches tomonidan alumina suv
bazlÿ nano-suyuqliklarning hovuz qaynoq issiqlik uzatish koeffitsientini baholash , Appl. Term.
Eng. 128 (2018) 1208–1222.
V. Zhu va boshqalar. / Xitoy Kimyoviy muhandislik jurnali 28 (2020) 1832–1839
[56]
A. KhazaiePoul, M. Soleimani, S. Salahi, Neyron tarmog'i yordamida birgalikda erituvchi sifatida
superkritik karbonat angidrid va etanolda dispers bo'yoqlarning eruvchanligini bashorat qilish, Chin. J.
[61]
X. Hou, N. Ni, Y. Vang, V. Zhu, Y. Qiu, Z. Diao, G. Liu, X. Chjan, Pentan krekingida erkin radikal va
karbeniy ion mexanizmlarining roli. engil olefinlar, J.
1839 yil
[62]
X. Xian, G. Liu, X. Zhang, L. Vang, Z. Mi, o'ta kritik sharoitlarda HZSM 5 zeolit ustida n-dodekanning
katatik yorilishi: tajribalar va kinetika, Chem. Eng. Sci. 65 (2010) 5588–5604.
Kimyo. Eng. 24 (2016) 491–498.
Machine Translated by Google