پیشبینی حلالیتN2O در مایعات یونی با استفاده از شبکه عصبی مصنوعی

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

کلیدواژه ها:

شبکه عصبی ، حلالیت ، مایعات یونی