مقاله پیش بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی که چکیده‌ی آن در زیر آورده شده است، در ۱۳۹۳ در شیمی و مهندسی شیمی ایران از صفحه ۴۹ تا ۵۵ منتشر شده است.
نام: پیش بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی
این مقاله دارای ۷ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله حلالیت اکسیژن
مقاله حلال های آلی
مقاله شبکه عصبی
مقاله لونبرگ مارکوارت
مقاله تابع فعال سازی

نویسنده(ها):
جناب آقای / سرکار خانم: ترجمان نژاد علی
جناب آقای / سرکار خانم: یاسمی مهناز

چکیده و خلاصه‌ای از مقاله:
در این مقاله یک شبکه عصبی مصنوعی برای محاسبه حلالیت اکسیژن در حلال های آلی مورد بررسی قرار گرفته است. حلال های بررسی شده شامل متانول، پروپانول، اکتان، تولوئن، دی اتیل اتر و ۲- متیل تترا هیدروفورن هستند. داده ها برای بازه وسیعی از دما (۲۹۸٫۲ ۳۴۸٫۲۹K) و فشار (۰٫۰۵۳۵ ۹٫۲۳۳۸MPa) بررسی شده اند. ورودی های شبکه عصبی شامل جرم مولکولی، ضریب اسنتریک، دمای کاهیده و فشار کاهیده حلال مورد نظر هستند و خروجی شبکه عصبی حلالیت اکسیژن است. بهینه طراحی ممکن برای شبکه عصبی، شبکه پیش خور با الگوریتم پس انتشار خطا، تابع آموزش انتشار رو به عقب لونبرگ مارکوارت، تابع فعال سازی سیگمودی برای لایه مخفی با ۱۳ نرون در این لایه و تابع فعال سازی خطی برای لایه خروجی است. نتیجه ها نشان می دهند که توسط شبکه عصبی بهینه می توان مقدارهای حلالیت را با ضریب همبستگی (R2) برابر ۰٫۹۹۹۹۹۷، درصد میانگین انحراف نسبی (%ARD) برابر ۰٫۸۱۰۳ و درصد میانگین انحراف مطلق (%AAD)  برابر ۰٫۰۰۴۲ پیش بینی کرد. تحلیل حساسیت نشان می دهد که دمای کاهیده بیشترین تاثیر را بر روی خروجی شبکه عصبی یعنی حلالیت داراست.