view in publisher's site

Artificial neural network modeling for prediction of binary surface tension containing ionic liquid

In this study, a feed-forward multilayer perceptron neural network is applied to predict the surface tension of 32 binary ionic liquids (ILs)/non-ILs systems using melting point (Tm), molecular weight (Mw) and mole fraction of ILs as well as Tm and Mw of non-IL components. The data are divided into two different subsets, namely training and testing subsets, to obtain the optimum parameters of the used network and to evaluate the correlative capability of the trained network. The results of the test stage show excellent capability of the proposed network to predict/correlate the binary surface tension of ILs/non-ILs systems (AARD%: 0.93, MSE: 6.67 × 10−7 and R2: 0.9950).

مدلسازی شبکه عصبی مصنوعی برای پیش‌بینی تنش سطحی دوتایی حاوی مایع یونی

در این مطالعه، یک شبکه عصبی پرسپترون چند لایه پیش‌خور برای پیش‌بینی تنش سطحی در سیستم‌های غیر ils (ils)/ non با استفاده از نقطه ذوب (Tm)، وزن مولکولی (Mw)و کسر مولی of و همچنین Tm و Mw اجزای non بکار می‌رود. داده‌ها به دو زیر مجموعه مختلف یعنی آموزش و زیر مجموعه‌های تست تقسیم می‌شوند تا پارامترهای بهینه شبکه مورد استفاده را بدست آورند و قابلیت ارتباطی شبکه آموزش‌دیده را ارزیابی کنند. نتایج مرحله آزمون قابلیت عالی شبکه پیشنهادی را برای پیش‌بینی / مرتبط کردن تنش سطحی باینری سیستم‌های ils / non نشان می‌دهد (aard %: ۰.۹۳، MSE: ۶.۶۷، ۱۰ - ۷ و R۲: ۰.۹۹۵۰).

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.