Phase equilibria modeling of binary systems containing Ethanol
محل انتشار: چهاردهمین کنگره ملی مهندسی شیمی ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,080
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NICEC14_058
تاریخ نمایه سازی: 3 آذر 1391
چکیده مقاله:
Understanding vapor liquid equilibrium (VLE) is one of the most important information for designing of process equipments. In this work, artificial neural network (ANN) was used to modelthe bubble point pressure and vapor phase composition of binary ethanol (C2H5OH) mixtures. The proposed ANN model has been constructed with VLE experimental data of nine different binary systems containing C2H5OH collected from various literatures. Optimal configuration of the ANNmodel has been determined using minimizing %AARD, MSE and suitable R2. By using thisprocedure a two-layer ANN model with twenty-three hidden neuron has been found as an optimal topology. The accuracy of our optimal two layers ANN model has been compared with the Peng–Robinson cubic equation of state. Comparison with available literatures data and Peng-Robinsonequation of state confirm that the present ANN model is more accurate than the other published works. The sensitivity errors analysis clarify that our ANN model could predict vapor phase composition and bubble point pressure with %AARD of 1.52% and 2.59% respectively
کلیدواژه ها:
نویسندگان
P Darvishi
Chemical Engineering Department, School of Engineering, Yasouj University, Yasouj, Iran
D Dehghan Baniani
Department of Materials Science and Engineering, Shiraz University, Shiraz,
M Lashkarbolooki
School of Chemical and Petroleum Engineering, Shiraz University, Shiraz, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :