تخمین ضریب فعالیت رقت بی نهایت هالوکربن ها در آب و ترکیبات آلی در هیدروفلویوروپارفین ها با استفاده از شبکه های عصبی

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 787

This Paper With 17 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NRCP01_040

تاریخ نمایه سازی: 8 اردیبهشت 1396

Abstract:

ضرایب فعالیت در رقت بی نهایت هالوکربن در آب و 18 ترکیب آلی در 5 هیدروفلویوروپارافین در محدوده دمایی K 291 تا K 333 با ضرایب فعالیت در رقت بینهایت (استفاده از شبکه های عصبی پیش بینی شده اند. تعداد داده های مورد استفاده، شامل 351 نقطه داده می باشد، که برای آموزش شبکه عصبی، از داده های 18 هالوکربن در آب و 17 ترکیب آلی در 4 هیدروفلویوروپارافین استفاده شده و 92 نقطه داده باقی مانده که شامل داده های 1 هالوکربن در آب ،17 ترکیب آلی در 1 هیدروفلویوروپارافین و 1 ترکیب آلی در 5 هیدروفلویوروپارافین می باشند برای تست کردن شبکه استفاده شده است. داده های ارایه شده شامل 7 پارامتر ورودی دما؛ ممان دو قطبی، تجزیه مولی و فشار بحرانی حلال و حل شونده می باشند.شبکه ساخته شده، دقت بسیار ) بر اساس داده های تجربی نشان می دهد. با توجه به تغییرات گسترده R2 بالایی را در جهت پیش بینی ضرایب فعالیت در رقت بینهایت (99925.0=مقادیر پارامتر های ورودی، طبیعت و خواص متغیر ترکیبات و نیز مقادیرگسترده و متغیر J ، نتایج به دست آمده می توانند بسیار منطقی و قابل اطمینان در نظر گرفته شوند.

Authors

سجاد غفاری

ش رکت پتروشیمی مهر پتروکیمیا، تهران - د انشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف، تهران

المیرا رضایی

د انشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران

حسین مولا

ش رکت آذر آیتاش رشد، مرکز رشد واحدهای فناور، دانشگاه تبریز، تبریز

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 :
  • K. Yamuna Rani; N. V. K. Dutt. (2002), "Estimation of ...
  • F. Giralt; G. Espinosa; A. Arenas; J. Ferre-Gine; L. Amat; ...
  • F. Nami; F. Deyhimi (2011), "Prediction of activity coefficients at ...
  • Fredenslund, _ R. Jone, and J. Prausnitz (1975), "Group -Contribution ...
  • Mackay, D., W. Y. Shiu, and K. Ch. Ma (1992), ...
  • Lazaridis, T, and M. Paulaitis, (1993), "Activity Coefficients in Dilute ...
  • Medir, M., and F. Giralt (1982), "Correlation of Activity Coefficients ...
  • Mitchell, B., and P. Jurs, (1998), "Prediction of Infinite Dilution ...
  • Sherman, S. R., D. B. Trampe, D. M. Bush, M. ...
  • Voutsas, E. C., and D. P. Tassios, (1996), "Prediction of ...
  • 1- Pierotti, G. J., Deal, C. H. and Derr, E. ...
  • Dut, N. V. K. andPrasad, D.H. L. (1989), "Estimation of ...
  • Thomas, E. R. and Eckert, C. A. (1984) "Prediction of ...
  • J.Zupan, J. Gasteiger; "Neural Networks in Chemistry and Drug Design", ...
  • A. Chouai, S. Laugier, D. Richon; (2002), "Modeling _ thermodynamic ...
  • K. Golzar, S. Amjad-Iranagh, H. Modarress, (2015), "Evaluation of compressibility ...
  • Kier, L. B. and Hall, L. H. (1976), "Molecular Connectivity ...
  • Dreisbach, R. R., (1961), "Physical Properties of Chemical Co mpounds-IIT, ...
  • S. Agatonovic -Kustrin, R. Beresford (2000), "Basic concepts of artificial ...
  • Hornik, K.M.; Stinchcombe, _ White, 11.; (1989) "Multilayer Feedforward Networks ...
  • neural networks and genetic algorithms in QSAR", J. Mol. Struct. ...
  • neural network modeling of Artificial؛ه 22- A. Eslamimanesh, F. Gharagheizi, ...
  • نمایش کامل مراجع