پیشبینی حلالیتN2O در مایعات یونی با استفاده از شبکه عصبی مصنوعی
Publish place: Fourth Conference on Process Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 606
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PROCESS04_060
تاریخ نمایه سازی: 16 خرداد 1394
Abstract:
در این تحقیق سعی شده است میزان حلالیت گاز N2O در مایعات یونی:1-بوتیل-3-متیل یمیدازولیوم-تترافلوروبورات ([BMIM][BF4])،1-بوتیل-3-متیل یمیدازولیوم-تیوسیانات ([BMIM][SCN])، 1،3-دی متیل یمیدازولیوم-متیل فسفات ([DMIM][MP])، 1،3-دی اتوکسی یمیدازولیوم-(تریفلورومتیل سولفونیل)( [(OH)2IM][Tf2N]) و 1،3-دی هیدروکسی یمیدازولیوم-(تریفلورومتیل سولفونیل)( [(ETO)2IM][Tf2N]) با استفاده از شبکه عصبی مصنوعی چند لایه پیش بینی گردد. در این مدل از 293 داده آزمایشگاهی استفاده شده است که 70% جهت آموزش شبکه عصبی و 30% آن جهت آزمودن آن به کاررفته است. بهترین شبکه عصبی دارای یک لایه مخفی و 16 نورون می باشد. اطلاعات ورودی شبکه شامل دما، فشار، فشار بحرانی، دمای بحرانی و ضریب بی مرکزی مایعات یونی می باشد. نتایج حاصل از مدل شبکه عصبی مصنوعی نشان می دهد که این مدل توانایی بالایی در پیش بینی حلالیت N2O در مایعات یونی دارد
Keywords:
Authors
احمدرضا بهمنی
دانشجوی کارشناسی ارشد، دانشگاه صنعتی شیراز، دانشکده مهندسی شیمی، نفت و گاز
مرضیه بهمنی
فارغالتحصیل کارشناسی، دانشگاه مازندران، دانشکده مهندسی شیمی، نفت و گاز
سمانه آهنگرارجمندی
فارغالتحصیل کارشناسی، دانشگاه مازندران، دانشکده مهندسی شیمی، نفت و گاز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :