基于神经网络的预测三元混合液体的自燃温度
Bingyu Guo1, Zehui Cheng2, Shuangqi Hu1
1School of Environment and Safety Engineering, North University of China, Taiyuan, 030051, Shanxi, China.
预测混合液体的自动点火温度 (AIT) 对消防安全至关重要. 本研究使用定量结构-属性关系和机器学习模型,如BPNN和1DCNN,以根据分子结构准确预测AIT.
科学领域:
- 化学工程是化学工程的重要组成部分.
- 计算化学计算化学
- 消防安全科学 消防安全科学
背景情况:
- 自动点火温度 (AIT) 对于设计有效的消防和爆炸安全措施至关重要.
- 预测复杂混合物的AIT,特别是三元混合液体,仍然是一个挑战.
研究的目的:
- 使用定量结构与属性关系 (QSPR) 方法,为三元混合液体的AIT开发准确的预测模型.
- 评估反向传播神经网络 (BPNN) 和一维卷积神经网络 (1DCNN) 的性能,用于AIT预测.
主要方法:
- 利用QSPR方法将分子结构信息与AIT相关联.
- 采用了Mordred软件来计算和过最佳分子描述符.
- 开发并验证了BPNN和1DCNN模型,包含了12个三元混合物的混合规则.
- 应用沙普利增量解释 (SHAP) 来解释描述器贡献和相关性.
主要成果:
- BPNN和1DCNN模型,特别是混合规则1的模型,显示出出色的适配性,稳定性和预测能力.
- 在训练组中实现了高的确定系数 (高达0.996) 和低误差 (RMSE低至3.613°C).
- 确定了与AIT值负相关的关键分子描述符 (SssCH2,SssOH,SssCH3).
结论:
- 开发的BPNN和1DCNN模型提供了一种可靠和准确的方法来预测三元混合液的AIT.
- 该研究强调了为QSPR建模选择适当的混合规则和分子描述器的重要性.
- 这些发现有助于在处理易燃混合液混合物的行业中加强安全协议.
更多相关视频
12:34Experimental Procedure for Laboratory Studies of In Situ Burning : Flammability and Burning Efficiency of Crude Oil
Published on: May 1, 2018
07:24Combustion Chemistry of Fuels: Quantitative Speciation Data Obtained from an Atmospheric High-temperature Flow Reactor with Coupled Molecular-beam Mass Spectrometer
Published on: February 19, 2018
相关概念视频
Combustion Energy: A Measure of Stability in Alkanes and Cycloalkanes
Alkanes undergo combustion in the presence of excess oxygen and high-temperature conditions to give carbon dioxide and water. A combustion reaction is the energy source in natural gas, liquified...
Predicting Reaction Outcomes
Distillation: Vapor–Liquid Equilibria
Phase Transitions: Vaporization and Condensation
Clausius-Clapeyron Equation
Molecular Comparison of Gases, Liquids, and Solids
