هدف این مطالعه، تخمین نفت زیستی حاصل از فرایند پیرولیز مواد زائد بر حسب رطوبت، کربن ثابت، مواد فرار و خاکستر است. از نتایج آزمایشگاهی 41 مطالعه مختلف برای مدل سازی استفاده شد. از مدل شبکه عصبی به عنوان یک ابزار سیاستگذاری در ارزیابی و پیشبینی مقدار درصد نفت زیستی حاصل از مواد زائد طی فرایند پیرولیز استفاده شد. مقادیر بهینه پارامترهای شبکه عصبی به روش آماری تخمین زده شد. نتایج مقایسات در دو شبکه عصبی پرسپترون چند لایه و شبکه عصبی تابع شعاعی نشان داد که شبکه عصبی تابع شعاعی دارای توانایی بیشتری در تخمین نفت زیستی میباشد. مقدار ضریب تبیین بین درصد نفت زیستی برآورد شده توسط شبکه عصبی تابع شعاعی و مقدار آزمایشگاهی آنها برابر با 99/0 شد. نتایج ارزیابی شبکه عصبی نشان داد که آن را میتوان به عنوان یک ابزار در برآورد درصد تولید نفت زیستی به کار برد و از آن در تصمیمگیریهای مدیریتی تولید نفت زیستی بهره برد.
Shahnazari A, Rohani A, Aghkhani M H, Ebrahiminik M A. A Neural Network Model for Estimating the Bio-oil from the Pyrolysis of Waste . Quarterly Journal of Energy Policy and Planning Research 2019; 4 (4) :67-87 URL: http://epprjournal.ir/article-1-340-fa.html
شاهنظری آرمان، روحانی عباس، آق خانی محمدحسین، ابراهیمی نیک محمدعلی. تخمین نفت زیستی حاصل از پیرولیز مواد زائد: رویکرد شبکه عصبی. فصلنامه پژوهش های سیاست گذاری وبرنامه ریزی انرژی. 1397; 4 (4) :67-87