Use of Neural Network for Modeling of Liquid-Liquid Extraction Process in The RDC Column

Authors

  • Normah Maan
  • Jamalludin Talib
  • Khairil Annuar Arshad

DOI:

https://doi.org/10.11113/matematika.v19.n.500

Abstract

Beberapa Model Matematik telah dibentuk bagi proses yang melibatkan Turus Pengekstrakan Cakera Berputar (RDC). Model-model ini menunjukkan bahawa proses hidrodinamik dan proses peralihan jisim adalah faktor-faktor penting bagi keberkesanan turus. Biasanya, model simulasi matematik yang menerangkan proses yang berlaku di dalam turus adalah terlalu rumit. Ianya juga memerlukan masa pengkomputeran yang lebih bagi menghasilkan data simulasi untuk tujuan analisis lanjut. Oleh itu, satu pendekatan alternatif berdasarkan rangkaian neural dipertimbangkan bagi menghasilkan satu simulasi yang lebih cepat. Kertas ini menbincangkan satu aplikasi baru bagi teknik Rangkaian Artificial Neural untuk memodelkan proses pengekstrakan cecair di dalam turus RDC. Dalam penyelidikan ini juga, ANN telah dilatih menggunakan data simulasi dari Arshad(2000). Model rangkaian neural ini mampu menghasilkan 128 data simulasi untuk turus RDC dengan nilai ralat RMS 1.0E-07. Bandingan antara output Rangkaian Neural dan Model Matematik(2000) juga ditunjukkan di sini. Katakunci: Peralihan jisim; Turus Pengekstrakan Cakera Berputar; Rambatan Balik Several Mathematical Models have been developed for processes involving Rotating Disc Contactor (RDC) Column. These models indicated that the hydrodynamic and the mass transfer processes are important factors for the column performances. Usually, the mathematical simulation models describing the processes in the column are very complex. It also needs excessive computer time to produce simulation data for further analysis. Therefore, an alternative approach based on Artificial Neural Network is considered to assist in speeding up the simulation process. This paper presents a new application of Artificial Neural Network (ANN) techniques to the modeling of the liquid-liquid extraction process in the RDC Column. In this work, the ANN was trained with the simulated data obtained from Arshad (2000). The Neural Network models are able to generate 128 simulated data for RDC column with RMS error value of 1.0E-07. The comparison between Neural Network output and Mathematical Model(2000) output is also presented. Keywords: Mass Transfer; Rotating Disc Contactor Column; Back-propagation

Downloads

Published

2003-06-01

Issue

Section

Mathematics