مدل سازی تئوری ذرات مقیاس بندی شده با استفاده از شبکه عصبی مصنوعی

از آنجایی که بدست آوردن میزان انحلال گاز در مایع با روش های آزمایشگاهی زمان بر، گران و همراه با خطای اپراتور می باشد، ناگزیر میزان دقیق آن را تنها با دستگاه های پیشرفته آزمایشگاهی می توان اندازه گیری کرد.بنابراین ما همواره بدنبال روش های غیر تجربی برای محاسبه حلالیت هستیم. در این کار پارامترهای تئوری ذرات مقیاس بندی شده بعنوان ورودی به شبکه عصبی داده شده و حلالیت چندین گاز غیر قطبی در حلالهای قطبی و غیر قطبی در دمای 298.15 کلوین و فشار 101.325 کیلوپاسکال بعنوان خروجی محاسبه شده و نتایج با مقادیر تجربی مقایسه شده است. با استفاده از روش سعی و خطا این نتیجه حاصل شد، که شبکهعصبی مورد استفاده در این کار باید دارای 5 لایه میانی و یک لایه خروجی برای رسیدن به کمترین میزان خطای ممکن باشد. میانگین خطای نسبی حاصل از شبیه سازی در مرحله یادگیری و آزمون به ترتیب برابر با 0/89و0/92درصد می باشد. از میزان خطا، بطور واضح می توان تطابق خوبی را با داده های تجربی مشاهده کرد

کلیدواژه ها:

حلالیت ، شبکه عصبی مصنوعی ، گازهای غیر قطبی ، حلال های قطبی و غیر قطبی