运用人工神经网络和响应面模型研究K2CO3-PZ-MEA水基混合物在二氧化碳捕集中的比热容特性

《Scientific Reports》：Exploring the specific heat capacity of aqueous blends of K2CO3- PZ-MEA in CO2 capture using ANN and RSM models

　　

摘要

在本研究中，采用了人工神经网络和响应面方法来估算用于二氧化碳捕集过程的中含有碳酸钾、哌嗪和单乙醇胺的水性混合物的比热容。对于比热容的预测，使用了多层感知器模型，并通过trainlm和trainbr函数进行训练。最优模型采用trainlm算法训练，其隐藏层结构为第一层15个神经元、第二层15个神经元、第三层10个神经元，在经过79轮训练后达到了最佳性能，其均方误差仅为0.0001，R2值高达0.9993。在径向基函数方法中，当传播值为3且神经元数为150时，预测效果最佳，此时均方误差为0.0040，R2值为0.9858。通过对响应面方法和人工神经网络方法的均方误差及R2值比较，可以看出人工神经网络方法，尤其是多层感知器方法，的预测精度要高于响应面方法。本研究共使用了来自不同来源的527组实验数据，用以全面预测含有单乙醇胺、哌嗪和碳酸钾的不同水性溶液系统的比热容。研究的温度范围为313.15至393.15开尔文。此外，为了提高预测精度，还选取了溶液的密度、分子量等物理性质以及温度作为输入参数。这些研究成果有助于优化二氧化碳吸收过程，并为设计基于水的吸收系统提供参考。