پیش بینی و تخمین خواص هیدروژن اشباع با استفاده از شبکه عصبی مصنوعی

خواص ترمودینامیکی هیدروژن مانند فشار بخار، دانسیته، ظرفیت حرارتی و هدایت حرارتی در طراحی واحدهای مختلف شیمیایی بسیار اهمیت دارند. در این مقاله شبکه عصبی انتخاب شده، شبکه پیشخور با الگوریتم پس انتشار خطا با تابعآموزش انتشار رو به عقب لونبرگ مارکوارت است. ورودی به شبکه عصبی دما است و خروجی شبکه خواص هیدروژن در حالت اشباع هستند که شامل فشار بخار، دانسیته مایع و بخار، آنتالپی مایع و بخار، ظرفیت حرارتی مایع و بخار، ویسکوزیته مایع و بخار، هدایت حرارتی مایع و بخار و کشش سطحی مایع است. تعداد نقاط برابر 102 است. برای آموزش شبکه 00 % ، برایتعیین اعتبار 10 % و برای تست شبکه عصبی 20 % داده ها به کار رفته اند. بر اساس نتایج به دست آمده، بهینه طراحی ممکن برای شبکه عصبی، تابع فعال سازی سیگمودی برای لایه مخفی با 21 نرون در این لایه و تابع فعال سازی خطی برای لایه خروجی است

کلیدواژه ها:

هیدروژن ، خواص ترمودینامیکی ، شبکه عصبی ، توابع فعالسازی ، حالت اشباع