https://doi.org/10.15255/KUI.2022.048
Objavljen: Kem. Ind. 72 (3-4) (2023) 169–178
Referentni broj rada: KUI-48/2022
Tip rada: Izvorni znanstveni rad
Preuzmi rad:  PDF

Predviđanje kapaciteta višekomponentne adsorpcije metodom potpornih vektora uz algoritam Dragonfly

R. Moumen, M. Laidi, S. Hanini, M. Hentabli i A. Ibrir

Sažetak

Višekomponentni adsorpcijski kapacitet modelirana je metodom potpornih vektora (SVM). Razvijena su i uspoređena dva SVM modela. U prvom modelu primijenjena je metoda SVM s već ugrađenim optimizacijskim algoritmom. U drugom modelu primijenjena je SVM metoda s Dragonfly algoritmom (DA) optimizacije. Točnost modela procijenjena je pomoću tri uvriježene statističke mjere: korijena srednje kvadratne pogreške RMSE, koeficijenta determinacije R² i koeficijenta korelacije R. Korišteni podatci o raznim onečišćivalima, poput iona teških metala, boja i organskih spojeva te različitim prirodnim/sintetskim adsorbensima prikupljeni su iz literaturno dostupnih znanstvenih radova. Skup podataka sadržavao je pet važnih varijabli s 1023 točke; 4 varijable bile su ulazne varijable (molekulska masa, ravnotežne koncentracije adsorbata, specifično područje adsorbensa i temperatura), a jedna izlazna (ravnotežni adsorpcijski kapacitet). Podatci su podijeljeni u dva podskupa: 80 % podataka uzeto je za treniranje, a 20 % za testiranje. Programiranje je provedeno u softveru MATLAB. Rezultati su pokazali da optimiran DA-SVM model s RBF-Gaussovom kernel funkcijom ima dobru sposobnost globalnog pretraživanja uz visoku točnost predviđanja, s R² = 0,997, R = 0,998 i RMSE = 2,539. Dobiveni model može se primjenjivati za predviđanje učinkovitosti adsorpcijskog sustava te pruža alat za optimizaciju procesa u skladu s promjenama radnih uvjeta. Razvijeno je novo grafičko korisničko sučelje (GUI) za točnu procjenu željenih odziva koje primjenjuje najbolji DA-SVM model.

Ovo djelo je dano na korištenje pod licencom Creative Commons Imenovanje 4.0 međunarodna

Ključne riječi

višekomponentna adsorpcija, MATLAB GUI, onečišćivala, regresija potpornih vektora, algoritam Dragonfly