본 연구에서는 투과 유량 모델을 개발하기 위하여, 시간, 막 전후의 압력 차, 회전 속도, 막의 기공 크기, 동점도, 농도 및 공급 유체의 밀도 등 7개의 입력 변수에 기반한 두 종류(ANN 및 SVM) 인공지능 기법을 이용하였다. 시행착오법과 실험데이터와 예측 데이터 간의 결정 계수(R2) 와 평균절대상대편차(AARD)를 포함한 두 가지 통계 변수를 통해 최적의 모델 을 선정하였다. 최종적으로 얻어진 결과에서 최적화된 ANN 모델이 R2 = 0.999 및 AARD% = 2.245인 투과 플럭스 예측 정 확도를 보여서, R2 = 0.996 및 AARD% = 4.09의 정확도를 보인 SVM 모델에 비해 더 정확함을 알 수 있었다. 또한, ANN 모델은 SVM 방식에 비해 투과 유속을 예측하는 능력도 더 높은 것으로 나타났다.

평판형 모듈 설계의 최적화를 목적으로 feed 흐름 조건에 따른 feed 온도 및 유속분포를 예측할 수 있는 모델식을 확립하였고 모델 모사를 통해 흐름 조건들이 온도 분포에 끼치는 영향들을 조사하였다. 모델내의 유체의 Re 크기가 커지면 채널 두께방향으로의 유속 구배가 커질 뿐 아니라 투과물 증발을 위한 에너지원인 feed 흐름 속도가 커져 물질 및 열흐름이 증가하여 투과물 증발로 인한 feed 온도 강하가 증어든다. 반면에 채널 간격이 작아지면 feed 흐름량이 상대적으로 작아져 급격한 온도 강하를 야기시킨다. Re 크기에 따른 feed 온도 변화는 실험결과와 일치함이 관찰되었다.