کاربرد یادگیری ماشین برخط در پیش‌بینی میزان هدررفت Al2O3 و NaoH در فرآیند سیلیس زدایی مجتمع آلومینای جاجرم

نوع مقاله : علمی-پژوهشی

نویسندگان

1 کامپیوتر - دانشکده مهندسی - دانشگاه فردوسی مشهد

2 مهندسی شیمی، دانشکده مهندسی، داشگاه فردوسی مشهد

چکیده

در این پژوهش از ابزارهای یادگیری ماشین استفاده گردید تا اثر عوامل مختلف بر هدر رفت سود کاستیک (NaOH) و آلومینا (Al2O3) و افزایش آلودگی کربنات (Na2CO3) در مرحله نخست فرآیند بایر مورد بررسی قرار گیرد. پارامترهای مورد بررسی در این مقاله عبارتند از غلظت Na2Oc، Na2Ou، Na2Ot و Al2O3 در فاز محلول خروجی به واحد آسیای تر است. عوامل مورد بررسی نیز شامل دِبی جرمی و آنالیز شیمیایی ترکیبات مختلف موجود در بوکسیت و آهک مصرفی، شدت جریان و آنالیز شیمیایی محلول آلومینات سدیم ورودی و آنالیز شیمیایی محلول آلومینات سدیم خروجی از واحد به صورت روزانه برای 3016 روز متوالی بوده است. در این مطالعه از دو روش کاهش گرادیان برخط فوریه (FOGD) و کاهش گرادیان برخط نیستروم (NysGD) جهت مدل‌سازی فرآیند مذکور استفاده گردید. نتایج نشان‌دهنده دقت و سرعت یادگیری بیش‌تر روش FOGD نسبت به روش NysGD است. این نتایج نشان می‌دهند می‌توان با استفاده از دو روش با دقت بالایی فرآیند مورد بررسی را مدل‌سازی نمود.

کلیدواژه‌ها

موضوعات