SEARCH

SEARCH BY CITATION

Keywords:

  • bubble column reactor;
  • overall gas hold-up;
  • genetic algorithm;
  • support vector regression

Abstract

The objective of this study is to collect the data on overall gas hold-up (∈G) for bubble column reactors handling various gas–liquid systems and further develop a unified data-driven model for the estimation of the same. In this work, around 3300 experimental points for ∈G have been collected from 85 open sources spanning the years 1963–2008. The data-driven model for overall gas hold-up has been established using hybrid Genetic Algorithm-Support Vector Regression (GA-SVR)-based methodology. In the present study, GA has been used for nonlinear rescaling of the parameters. These exponentially scaled parameters are subsequently subjected for SVR training. The technique is an extension of conventional SVR technique, showing relatively enhanced results. The proposed hybrid model is based on various prominent design and operating parameters (15 in number) which includes superficial gas velocity, superficial liquid velocity, gas density, molecular weight of gas, sparger type, sparger hole diameter, number of sparger holes, liquid viscosity, liquid density, liquid surface tension, ionic strength of liquid, operating temperature, operating pressure, liquid height, and the column diameter. The estimations made by the SVR-based unified model for ∈G shows an excellent agreement with actual values with estimation accuracy of 98.5% and % AARE of 9.32%. For ease in applicability and ready reference of the practicing engineers, the hybrid GA-SVR-based model in the form of software and the entire database for ∈G has been uploaded on the link http://www.esnips.com/web/UICT-NCL.

L'objectif de cette étude est de collecter les données de la retenue d'ensemble de gaz (G) pour des réacteurs à colonne à bulles traitant divers systèmes gaz-liquide et perfectionner le développement d'un modèle unifié axé sur les données pour l'estimation du même paramètre. Dans ce travail, environ 3300 points expérimentaux de G ont été collectés à partir de 85 sources ouvertes recouvrant la période 1963/2008. Le modèle unifié axé sur les données pour la retenue d'ensemble de gaz a été établi en utilisant une méthodologie basée sur un hybride algorithme génétique-régression à soutien vectoriel (GA-SVR). Dans l'étude présente, l'algorithme génétique a été utilisé pour le rééchelonnage non linéaire des paramètres. Ces paramètres échelonnés exponentiellement sont ensuite assujettis à un traitement de régression à soutien vectoriel (SVR). La technique est une extension de la technique SVR conventionnelle, démontrant des résultats relativement améliorés. Le modèle hybride proposé est basé sur divers concepts bien établis et les paramètres opératoires (au nombre de 15), dont la vélocité gazeuse superficielle, la vélocité liquide superficielle, la densité gazeuse, le poids moléculaire du gaz, le type d'arroseur, le diamètre de l'orifice de l'arroseur, le nombre d'orifices d'arrosage, la viscosité du liquide, la densité du liquide, la tension superficielle du liquide, la force ionique du liquide, la température opératoire, la pression opératoire, la hauteur de liquide et le diamètre de la colonne. Les estimations faites par le modèle unifié basé sur la régression à soutien vectoriel (SVR) pour G montre une excellente correspondance avec les valeurs réelles, avec une précision d'estimation de 98,5 et un pourcentage AARE de 9,32%. Pour la facilité d'application et le besoin d'avoir des références prêtes à l'emploi des ingénieurs, le modèle hybride GA-SVR pour G a été téléchargé sous la forme d'un logiciel et la base de données totale est disponible à l'adresse http://www.esnips.com/web/UICT-NCL.