Abstract:
แก๊สไฮโดรเจนซัลไฟด์เป็นแก๊สที่พบในผลิตภัณฑ์ปิโตรเลียมและแก๊สธรรมชาติ โดยแก๊สธรรมชาติที่มีส่วนประกอบของแก๊สไฮโดรเจนซัลไฟด์ มากกว่า 4 ppm จะถูกกำหนดว่าเป็นแก๊สเปรี้ยว ซึ่งแก๊สไฮโดรเจนซัลไฟด์ก่อให้เกิดมลพิษทางอากาศบริเวณหอกลั่นและหอแยกแก๊ส อีกทั้ง กัดกร่อนอุปกรณ์ในกระบวนการผลิตและขนส่งแก๊สธรรมชาติได้ โดยความสามารถในการละลายของแก๊สไฮโดรเจนซัลไฟด์ในตัวทำละลายเป็นปัจจัยสำคัญในการออกแบบ พัฒนา และเพิ่มประสิทธิภาพของกระบวนทำบริสุทธิ์แก๊สธรรมชาติ อีกทั้ง บ่งบอกถึงข้อมูลเชิงอุณหพลศาสตร์ แก๊สไฮโดรเจนซัลไฟด์สามารถละลายได้ดีในตัวดูดซึม (absorbent) จำพวกเอมีน (เช่น MDEA EDA และ DIPA) และ ของเหลวไอออนิค (เช่น [C₂MIM][eFAP] [BMIM][Tf₂N] [DMEAH][For] และ [C₈MIM][PF₆]) อย่างไรก็ดี การทดลองหาความสามารถในการละลายของแก๊สไฮโดรเจนซัลไฟด์ในตัวดูดซึมดังกล่าวมีค่าใช้จ่ายสูง เนื่องจากต้องใช้ความดันในการดำเนินการทดลองสูง และการเลือกตัวดูดซึมที่เหมาะสมยังต้องอาศัยผู้เชี่ยวชาญด้านการทำบริสุทธิ์แก๊สธรรรมชาติอีกด้วย โครงการวิจัยนี้จึงนำโครงข่ายประสาทเทียมร่วมกับการรวบรวมข้อมูลด้วยกระบวนการทางวิทยาศาสตร์ข้อมูล เพื่อทำนายความสามารถในการละลายของแก๊สไฮโดรเจนซัลไฟด์ในตัวดูดซึมต่าง ๆ จากการรวบรวมข้อมูลความสามารถในการละลายของแก๊สไฮโดรเจนซัลไฟด์ในตัวดูดซึม 62 ชนิด เช่น MDEA EDA DIPA [DMEAH][Ac] [BMIM][Tf₂N] และ [C₈MIM][PF₆] ที่อุณหภูมิและความดันต่าง ๆ และนำมาวิเคราะห์ด้วยฟังก์ชัน ANN ในโปรแกรม MATLAB ซึ่งกำหนดให้ข้อมูลนำเข้า คือ อุณหภูมิ ความดัน ชนิดและความเข้มข้นของตัวดูดซึม และข้อมูลส่งออก คือ ความสามารถในการละลาย (molH2S/molAbsorbent) พบว่า การวิเคราะห์ด้วย Levenberg-Marquardt algorithm โดยใช้จำนวนข้อมูล training ร้อยละ 70 จำนวนข้อมูล validating ร้อยละ 15 และจำนวนข้อมูล testing ร้อยละ 15 ของจำนวนข้อมูลทั้งหมด และใช้ 17 hidden neurons พบว่าความสามารถในการละลายที่ทำนายได้มีค่าสัมประสิทธิ์สหสัมพันธ์ (R²) = 0.9817 และ ค่าความคลาดเคลื่อนสัมพัทธ์เฉลี่ย (MSE) = 0.0138 ซึ่งได้ผลเป็นที่น่าพอใจอย่างมาก
