فرآیند اختلاط مواد در مخازن اختلاط از اهمیت ویژه‌ای برخوردار است که توسط عوامل متعددی ازجمله طراحی چند پره، قطر همزن و سرعت اختلاط متأثر می‌شود. در این تحقیق، به‌منظور بهبود بهره‌وری و کیفیت فرآیند اختلاط، تأثیر هر یک از این عوامل از طریق شبیه‌سازی‌های دینامیک سیالات محاسباتی موردبررسی قرار می‌گیرد. در این تحقیق، ابتدا مدلی برای شبیه‌سازی جریان سیال و اختلاط در مخازن ارائه می‌شود. در این پژوهش از دو تکنیک دینامیک سیالاتی محاسباتی و شبکه عصبی مصنوعی برای یافتن مطلوب‌ترین طراحی استفاده‌شده است. به وسیله‌ی نرم افزار ANSYS FLUENT 2021 R2 کار شبیه سازی راکتور CSTR صورت گرفته است. در این مقاله راکتورهای تک، دو و سه همزنه بر روی یک شفت و قطرهای 1/2 و 1/3 پره شبیه سازی و مورد بررسی قرار گرفت، همچنین تحلیل دور پره در دورهای 20rpm، 50rpm و 80rpm نیز انجام شد. نتایج نشان می‌دهد که طراحی بهینه چند پره و انتخاب مناسب قطر و سرعت همزن می‌تواند بهبود قابل‌توجهی در فرآیند اختلاط و توزیع یکنواخت مواد داشته باشد. با افزایش تعداد پره‌ها، آشفتگی بیشتری ایجاد می‌شود که منجر به افزایش سرعت اختلاط می‌گردد. همچنین، افزایش قطر همزن باعث افزایش مساحت سطح تماس مواد و بهبود توزیع مواد در مخزن می‌شود. با توجه به نتایج حاصل از این مطالعه، می‌توان تأکید کرد که انتخاب بهینه چند پره، قطر همزن و سرعت اختلاط می‌تواند به‌عنوان راهکاری مؤثر در بهبود کارایی و کیفیت فرآیند اختلاط در مخازن مورداستفاده قرار گیرد. روش دیگر مدلسازی مورداستفاده در این تحقیق هوش مصنوعی می‌باشد. در این مطالعه از داده‌های حاصل از CFD به‌عنوان ورودی‌های شبکه عصبی مصنوعی (ANN) برای پیش‌بینی اختلاط در مخازن همزن‌دار استفاده شد. در انتها توانایی تخمین و پیش‌بینی عملکرد همزن‌ها توسط تکنیک مدلسازی شبکه عصبی مصنوعی بررسی شد. نتایج بیانگر کارایی مناسب شبکه عصبی در پیش‌بینی پارامترهای مورد مطالعه در این تحقیق بود.
