Prediction of gas-phase adsorption isotherms using neural nets

Authors


Abstract

This study investigated a number of models (the modified Sips', Dubinin-Astakhov's, VSM theory, the generalized Khan et al.'s model and a simple artificial neural network (ANN)) to predict the effect of temperature on equilibrium adsorption of hydrocarbon gases and vapors on activated carbon. Published data on the adsorption of methane, ethane and propane on activated carbon at 311 K to 505 K were used to estimate the parameters of the conventional models and train the network. Then, the conventional models and the ANN were used to predict the isotherm at a single temperature for each adsorbate, and these results were compared with experimental data. It was found that the ANN model had a lower mean relative error than the conventional models.

Abstract

On examine dans cette étude plusieurs modèles (le modèle Sips modifié, le modèle de Dubinin-Astakhov, la théorie VSM, le modèle de Khan et al. généralisé et un réseau neuronal artificiel simple (ANN)), afin de prédire l'effet de la température sur l'adsorption à l'équilibre des gaz et des vapeurs d'hydrocarbures sur le carbone activé. On a utilisé des données publiées sur l'adsorption du méthane, de l'éthane et du propane sur du carbone activé à des températures entre 311 K et 505 K pour estimer les paramètres des modèles conventionnels et entraíner le rèseau. Les modèles conventionnels et l'ANN ont ensuite été utilisés pour prédire l'isotherme à une seule température pour chaque adsorbat, puis les résultats ont été comparés aux données expérimentales. On a trouvé que le modèle ANN avait une erreur relative moyenne plus faible que les modèles conventionnels.

Ancillary