Xu Xou 1, ÿ, Jiayao Xu Veyjun Chju 1,#
Download 0.72 Mb. Pdf ko'rish
|
Application of machine learning to process simulation of n-pentane
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: houx@ccut.edu.cn (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 Download 0.72 Mb. Do'stlaringiz bilan baham: |
Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©fayllar.org 2024
ma'muriyatiga murojaat qiling
ma'muriyatiga murojaat qiling