Mạng nơron nhân tạo (Artificial neural networks – ANN) được sử dụng để xấp xỉ mối quan hệ vào – ra. Mô hình mạng nơron sau khi đã được huấn luyện và kiểm thử so sánh với kết quả mô phỏng trên Aspen Adsorption kết hợp với hàm mục tiêu tối ưu hóa để giải bài toán tối ưu, tìm ra được giá trịđầu vào tốt ưu để hệ thống PSA đạt được hiệu suất như mong muốn.
Đểđơn giản hóa, mô hình mạng nơron nhân tạo xấp xỉ mối quan hệ vào – ra đánh giá hiệu suất hoạt động của hệ thống PSA có đầu vào là áp suất hấp phụ (p –
bar), thời gian hấp phụ (t - s) và đầu ra là độ tinh khiết (Pur), độ thu hồi (Rec - %). Cấu trúc của mô hình mạng nơron được thể hiện như trong Hình 5.1 với 2 đầu vào, 2 đầu ra và 10 lớp ẩn (hidden layer).
Hình 5.1: Cấu trúc của mô hình ANN
Dữ liệu sử dụng để huấn luyện mạng nơron được thu thập từ 45 lần chạy mô phỏng vòng lặp trên phần mềm Aspen Adsorption với các cặp dữ liệu đầu vào là áp suất hấp phụ và thời gian hấp phụthay đổi. Mô hình mạng noron được khai thác bằng cách sử dụng công cụNeural net fitting tool nftool của MATLAB, có giao diện như trong Hình 5.2, thuật toán sử dụng để huấn luyện mô hình là: Levenberg– Marquardt. Với 45 mẫu giá trị vào – ra thu được sau khi chạy mô phỏng Aspen Adsorption được phân chia ngẫu nhiên: 70% (31 mẫu) dùng để huấn luyện, 15% (7 mẫu) dùng để thẩm định và 15% (7 mẫu) dùng để kiểm tra mô hình thu được.
31
Hình 5.2: Giao diện nftool của MATLAB và kết quả huấn luyện mạng nơron
Hiệu quả hoạt động của quá trình huấn luyện (train and retrain) mạng ANN được đánh giá bằng sai sốtoàn phương trung bình (MSE). Đầu ra của mô hình xấp xỉ ANN được lựa chọn sẽ được so sánh với dữ liệu đã được tính toán bằng mô phỏng Aspen Adsorption bao gồm cảnhóm huấn luyện (training set), nhóm thẩm định (validation set) và nhóm kiểm tra (test set). Giá trị hồi quy R được dùng để so sánh độ sai lệch giữa đầu ra xấp xỉ và tín hiệu đích, khi R càng gần 1 thì độ sai lệch càng nhỏ, nghĩa là mô hình xấp xỉ càng gần và chính xác với mô hình gốc. Kết quảđược thể hiện trong Hình 5.3, cho thấy sai lệch giữa mô hình xấp xỉ và mô hình gốc Aspen Adsorption là rất thấp (3.7e-5), mô hình xấp xỉ phù hợp để vận dụng và khai thác. Kết quả sau khi huấn luyện, mô hình ANN có thểđược xuất ra dưới dạng 1 hàm trong MATLAB với đầu vào là (p,t) và đầu ra là (Pur, Rec).
32
Hình 5.3: So sánh mô hình xấp xỉ ANN với mô hình Aspen Adsorption