Revista de ingeniería química y tecnología de procesos
Acceso abierto

abstracto

Un enfoque de red neuronal artificial para la predicción del rendimiento de extracción de la membrana líquida de emulsión

Hachemaoui A y Belhamel K

Este documento informa sobre el uso del enfoque de redes neuronales artificiales (ANN) para predecir la concentración de níquel en la fase externa durante el proceso de extracción de membrana líquida de emulsión. Los datos experimentales del análisis por lotes de laboratorio de la extracción de níquel se han utilizado para entrenar, validar y probar el modelo ANN de retropropagación. Las neuronas de entrada corresponden al pH de la fase externa, la concentración de la fase de separación, la velocidad de agitación, la concentración del portador, la concentración del tensioactivo, la relación de tratamiento (relación de volumen de emulsión a fase externa), relación de fase (relación de volumen de membrana a fase de eliminación), fase externa inicial concentración de níquel (II) y tiempo. Se examinó una red de capas de árbol con diferentes neuronas ocultas y diferentes algoritmos de aprendizaje como LM, SCG y BR. La red con seis neuronas ocultas y el algoritmo de regularización bayesiana (BR) mostró un buen desempeño. Se encontró que los valores predichos de concentración de soluto en la fase externa concuerdan bien con los resultados experimentales, con una desviación absoluta promedio (ADD%) de 0.2664% y un coeficiente de correlación R2 de 0.977. Los resultados de este estudio muestran que el modelo ANN entrenado en mediciones experimentales se puede aplicar con éxito a la predicción rápida de la concentración de fase externa.