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 بسیاراهمیت دارند. در این مقاله شبکه عصبی انتخاب شده، شبکه پیشخور با الگوریتم پس انتشار خطا با تابع آموزش انتشار رو به عقب لونبرگمارکوارت 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 مایعاست. تعداد نقاط برابر 201 است. برای آموزش شبکه 70 % ، برای تعیین اعتبار 20 % و برای تست شبکه عصبی 10 % 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 14 نرون در این لایه و تابع فعال سازی خطی برای لایه خروجی است. ن

کلیدواژه ها:

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