دراسة مقارنة لخوارزميات الشبكات العصبية في نمذجة إزالة كبريتيد الهيدروجين من الغاز الطبيعي
DOI:
https://doi.org/10.26629/jtr.2025.72الكلمات المفتاحية:
الشبكات العصبية الاصطناعية، إزالة كبريتيد الهيدروجين، تطييع الغازالملخص
تركز هذه الدراسة على تطبيق الشبكات العصبية الاصطناعية (ANN) للتنبؤ بكفاءة إزالة كبريتيد الهيدروجين (H₂S) في عمليات تطييع الغاز الطبيعي. النموذج المقترح تم تدريبه على نتائج دوبانية تجريبية اخدت من دراسات سابقة لعدد 17 مادة مازة عند ظروف تشغيلية مختلفة، لتنتج عدد 470 نقطة. تم تقييم ثلاث خوارزميات تدريب وهي: التدرج المترافق المعياري (SCG)، وليفينبرغ-ماركاردت (LM)، والتنظيم البايزي (BR) لتحديد البنية المثلى للشبكة العصبية الاصطناعية. تم تقييم أداء كل نموذج بناءً على متوسط الخطأ التربيعي (MSE) ومعامل التحديد (R²). حققت خوارزمية (SCG) أفضل أداء لها عند 35 عصبونًا خفيًا (0.8799 =R²، MSE= 0.0183)، حيث أظهرت تحسناً تدريجياً لكن بدقة أقل مقارنة بالطرق الأخرى. بينما أدت خوارزمية (LM) أفضل أداء عند 15 عصبونًا خفيًا (0.9785 = R²، MSE= 0.002865 )، مما يُظهر دقة تنبؤية عالية. وتفوقت خوارزمية (BR) على الخوارزميتين السابقتين، حيث حققت أفضل النتائج عند 25 عصبونًا خفيًا (0.9904 = R²، MSE= 0.001465 )، مما يشير إلى قدرة استقرائية واستقرارية فائقة. تُسلط هذه النتائج الضوء على إمكانات الشبكات العصبية الاصطناعية كأداة قوية لمحاكاة عمليات تطييع الغاز ودعم اتخاذ القرارات الصناعية.
التنزيلات
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2025 مجلة البحوث التقنية
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial 4.0 International License.
المقالات مرخصة تحت 