مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,044
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

869
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بهینه سازی گوگردزدایی استخراجی نمونه سوخت با یک حلال یوتکتیک عمیق جدید سبز با استفاده از الگوریتم ژنتیک-شبکه عصبی

صفحات

 صفحه شروع 147 | صفحه پایان 157

چکیده

 در این مطالعه سولفورزدایی استخراجی دی بنزوتیوفن از نرمال هگزان به عنوان مدل سوخت با استفاده از 1 و 10-فنانترولین 2 و 9-دی کربوکسامید-کلرید آهن بر پایه کولین کلرید به عنوان حلال یوتکتیک عمیق سبز, جدید و کارا مورد بررسی قرار گرفت. حلال یوتکتیک عمیق سنتز شده با تکنیک های اسپکتروسکوپی مادون قرمز (FT-IR) و رزوناس مغناطیسی هسته هیدروژن و کربن (1H NMR, 13C NMR) مشخصه یابی شد. اثر پارامترهای موثر بر فرآیند شامل نسبت جرمی نمونه سوخت به حلال یوتکتیک, دما, و زمان مورد بررسی قرار گرفتند و در شرایط بهینه برای cc 10 محلول mg/L 500 دی بنزوتیوفن در نرمال هگزان, در نسبت جرمی نمونه سوخت به حلال یوتکتیک 5/33, دمای 25º C و زمان min 15 ماکزیمم درصد گوگردزدایی 5/0 ± 5/93 به دست آمد. مد ل سازی نتایج تجربی به دست آمده به وسیله الگوریتم ژنتیک بر پایه شبکه عصبی مصنوعی پیش بینی و بهینه سازی شدند. با به کارگیری ژنتیک الگوریتم مقادیر بهینه 4/34, 33º C/27, و min 99/16 به ترتیب برای نسبت جرمی نمونه سوخت به حلال یوتکتیک, دما و زمان به دست آمد که بیانگر پتانسیل و توانایی بالای مدل به کار رفته در بهینه سازی روش پیشنهادی است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    شیرانی، محبوبه، اکبری، علی، نژادکورکی، عاطفه، گلی، علیرضا، آزمون، بهناز، شیرانی، نوشین، و حبیب الهی، سعید. (1397). بهینه سازی گوگردزدایی استخراجی نمونه سوخت با یک حلال یوتکتیک عمیق جدید سبز با استفاده از الگوریتم ژنتیک-شبکه عصبی. پژوهش نفت، 28(102 )، 147-157. SID. https://sid.ir/paper/114723/fa

    Vancouver: کپی

    شیرانی محبوبه، اکبری علی، نژادکورکی عاطفه، گلی علیرضا، آزمون بهناز، شیرانی نوشین، حبیب الهی سعید. بهینه سازی گوگردزدایی استخراجی نمونه سوخت با یک حلال یوتکتیک عمیق جدید سبز با استفاده از الگوریتم ژنتیک-شبکه عصبی. پژوهش نفت[Internet]. 1397؛28(102 ):147-157. Available from: https://sid.ir/paper/114723/fa

    IEEE: کپی

    محبوبه شیرانی، علی اکبری، عاطفه نژادکورکی، علیرضا گلی، بهناز آزمون، نوشین شیرانی، و سعید حبیب الهی، “بهینه سازی گوگردزدایی استخراجی نمونه سوخت با یک حلال یوتکتیک عمیق جدید سبز با استفاده از الگوریتم ژنتیک-شبکه عصبی،” پژوهش نفت، vol. 28، no. 102 ، pp. 147–157، 1397، [Online]. Available: https://sid.ir/paper/114723/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button