نیلوفر یزدانی - دانشجوی کارشناسی ارشد

در مقاله حاضر با استفاده از شبکه عصبی مصنوعی یک مدل برای پیش بینی فشاربخار مواد به وسیله معادله واگنر ارائه شده است .داده های آموزش شبکه عبارتند از :دمای بحرانی ‚فشار بحرانی ‚حجم بحرانی ‚جرم مولکولی ‚ضریب بی مرکزی ‚دمای جوش برای 31 هیدروکربن (دسته ی اول) و 10هیدروکربن (دسته ی دوم ) به شبکه داده شده شبکه ی که بهترین جواب را به ما می دهد یک شبکه سه لایه پیشخور با الگوریتم پس انتشار خطا می باشد . در این پژوهش ابتدا میزان خطای موادی (دسته ی اول)که ضرایب معادله واگنر شان موجود می باشد را با استفاده از شبکه عصبی تخمین زده و بدست می آوریم سپس دسته ایی از مواد که(دسته ی دوم ) در گروه هیدروکربن ها ضرایب معادله واگنر آنها موجود نبوده را در نظر گرفته و با استفاده از شبکه اولیه ضرایب واگنر را برایشان بدست می آوریم و در مرحله بعد در محدوده ی دمایی 260-395 کلوین فشار بخار را برایشان از منابع معتبر جمع آوری می کنیم و در نهایت با استفاده معادله واگنر فشار بخار مدل را بدست می آوریم و در مقایسه با فشار بخار ی که از منابع برای دسته ی دوم بدست آوردیم میزان خطاها را محاسبه می کنیم .خطای ریشه مربعات میانگین کل برابر است با RMSE=0.085872و ضریب تعیین کل برابر است باR^2=0.9990 .ARD%=1.27891 میزان خطای مطلق میانگین شبکه برابر است با

فشار بخار ‚معادله واگنر ‚ شبکه ی عصبی ‚خطا ‚ هیدروکربن ها