عنوان پایان‌نامه
پیش بینی حلالیت کربن دی اکسید در محلول های بر پایه آمین با روش تری دی اس پی آر
- رشته تحصیلی
- مهندسی شیمی – فرآوری و انتقال گاز
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 1832.;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 79690;کتابخانه پردیس یک فنی شماره ثبت: 1832.;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 79690
- تاریخ دفاع
- ۰۹ شهریور ۱۳۹۵
- دانشجو
- روشنک حیاتلو
- استاد راهنما
- سیاوش ریاحی
- چکیده
- گرم شدن کره زمین در نتیجه افزایش انتشار گازهای گلخانه ای از جمله کربن دی اکسید است که پیامد آن تغییرات شدید آب و هوایی در کره زمین می باشد. به منظور افزایش بازدهی فرآیندهای جذب دی اکسید کربن بر پایه آمین، لزوم پژوهش های گسترده تری در زمینه های مدل سازی برای شناسایی پارامترهای موثر بر میزان ظرفیت جذب آمین ها احساس می گردد. به علت آن که بررسی آزمایشگاهی اثر ساختار بر میزان ظرفیت جذب در همه موارد امکان پذیر نبوده و علاوه بر این آزمایش ها وقت گیر و پرهزینه می باشند، مدل سازی نقش مهمی را در این زمینه ایفا می کند. یکی از این روش های مدل سازی که در نهایت ویژگی های ساختاری آمین ها را به ظرفیت آن ها برای جذب کربن دی اکسید ارتباط می دهد، روش مطالعه کمّی ساختار-ویژگی یا به اختصار کیوسار (QSPR) است. در این پژوهش براساس مجموعه ای از داده های آزمایشگاهی مربوط به حلالیت دی اکسید کربن در محلول های مختلف آمین، اثر میدان های ناشی از ساختار سه بعدی این مواد بررسی شده است. ابتدا ساختار سه بعدی مولکول ها توسط نرم افزار SYBYL بهینه و رسم شد، سپس میادین ناشی از برهم کنش های نیروهای غیرپیوندی بین مولکولی از نوع استریک و الکترواستاتیک، محاسبه شد و در قالب ویژگی های ساختاری به صورت عدد نمایش داده شدند که در نهایت نحوه ارتباط این اعداد با ظرفیت جذب آمین از طریق رگرسیون PLS مورد ارزیابی قرار گرفت. علاوه بر این روش، مراحل اضافه تری همچون رابطه بین ویژگی های ناشی از ساختار سه بعدی آمین ها و ظرفیت جذب با استفاده از MLR به روش الگوریتم ژنتیک و همچنین رگرسیون غیرخطی به روش SVM انجام گرفت که رسم و بهینه سازی ساختارها در این جا با نرم افزارهای HyperChem، Gaussian و Dragon صورت گرفت. مدل های به دست آمده توسط آزمون های مختلف آماری مورد ارزیابی قرار گرفت و نتایج بیان گر این بود که مولکول های آمینی برای استفاده در صنعت مناسب ترند که گروه های کم حجم تری و بالعکس تعداد بیشتری نیتروژن در زنجیره کربن اصلی داشته باشند و ترجیحا فاقد گروه آلکیلی باشند. از نتایج آماری مشخص شد که رگرسیون غیرخطی نسبت به دو مدل دیگر بهتر توانسته پیش بینی را برای داده های خارج از مدل انجام دهد در واقع برای مدل SVM پارامتر r^2=0.993، برای مدل MLR، r^2=0.975 و مدل PLS، r^2=0.845 بدست آمد. با پیاده سازی تغییرات روی ساختار مولکول الگو جهت بررسی تاثیر عملی میدان الکترواستاتیک بر روی ظرفیت جذب، همان جواب پیش بینی شده توسط PLS یعنی افزایش جذب کربن دی اکسید در اثر اضافه شدن گروه های با بار منفی تر در آمین حاصل گردید.
- Abstract
- Global warming resulting from the emission of greenhouse gases has become an important issue to handle in the recent decades. Among greenhouse gases, CO_2 is adding considerable warning. Due to corrosionic nature of carbon dioxide in the presence of water, it must be removed before commercial use. Absorption with aqueous amine solvents is at present the most viable technology for CO_2 capture. While this is a proven technology, efforts are ongoing to improve it in order to make it a more attractive technology for large scale use to reduce CO_2 emissions. Finding solvents with better properties is one approach to improving the technology. Selecting of solvents for CO_2 capture is not a simple task. There are a number of properties which contribute to determine if a solvent can be applied economically. Extensive and time-consuming experimental work is another object required to decide the viability of a given solvent. The process of amine based solvents selection or design can perhaps in some ways be compared to the process of drug design. Owing to the mentioned fact. Computational novel methods can be an attractive to experimental works. Earlier literatures proved that there were a close correlation between the structure and CO_2 absorption capacity of amines. In this thesis QSPR study has been performed on these amines to correlate their chemical structure with their absorption CO_2 capacity. At this study, the absorption capacities of amine-based solvents for carbon dioxide absorption were taken from literature. The molecular structures of amines were sketched using SYBYL-X. All the structures were assigned Gasteiger-Huckel charges and energy minimized using the standard Tripos force field (Powell method and 0.05 Kcal/(mol.?) energy gradient convergence criteria). These conformations were used for alignment structures on the molecule with the highest absorption capacity (a template molecule, compound 23) with Sybyl-X 1.2 atom fit alignment. The aligned molecules were positioned inside grid boxes with grid spacing value of 2 ? to produce CoMFA descriptors. The steric (vdW interaction) and electrostatic (Coulombic values) fields were calculated. The cutoff value for both steric and electrostatic interaction was set to 30 kcal/mol. In order to generate statistically significant 3D-QSAR model, Partial Least Square (PLS) regression was used and the CoMFA model described very critical information about the three dimensional interaction of amines with CO_2 and proved a good predictive activity. As the next work, the 2D- QSPR model was also achieved by the multiple linear regression (MLR) and three dimensional descriptors were selected by genetic algorithm (GA). The accuracy of model was verified by different statistical methods and the result proved high statistical qualities of the model. Finally, in the last part of the thesis, a nonlinear model was obtained via support vector machine method (SVM). PLS analysis gave a correlation with a cross-validated q^2 of 0.635, with maximum number of compounds four. r^2=0.854 For PLS and r^2=0.973,0.989 obtained respectively for MLR and SVM, which affirmed that nonlinear model could predict well external data whearas the other two models had less prediction capability. Results also showed that industrial amines should have long carbon chain structure and the more number of nitrogen atoms, the higher absorption capacity.Keywords: Amine, Solubility, Carbon dioxide, Adsorption capacity, QSPR, Descriptors, PLS, Greenhouse gases.
