使用ANN工具研究丁酸乙酸的热态行为
Chinnakannu Jayakumar1, Venkatesan Sampath Kumar2, Chathurappan Raja3
1Department of Applied Science and Technology, AC College of Technology, Anna University, Chennai, India.
Network (Bristol, England)
|September 11, 2024
概括
人工神经网络 (ANN) 准确地预测了丁酸溶液的热物理性质. 这种机器学习方法优化了低误差的度和温度预测.
科学领域:
- 物理化学 物理化学
- 材料科学 材料科学 材料科学
- 计算化学的计算化学
背景情况:
- 热物理性质对于理解溶液的行为至关重要.
- 在复杂的混合物中预测这些特性可能具有挑战性.
- 人工神经网络 (ANN) 为建模复杂关系提供了强大的工具.
研究的目的:
- 开发和验证人工神经网络 (ANN) 模型,用于预测二进制混合物中丁酸的热物理性质.
- 研究水热度和温度对这些特性的影响.
- 与传统方法相比,证明ANN模型的准确性和效率.
主要方法:
- 用酸,尿素和尼古丁胺胺在不同温度 (303-333 K) 的丁酸溶液收集实验数据.
- 培训ANN委员会使用代优化来避免过度拟合.
- 使用可视化 (例如,轮图,3D表面图) 进行分析和优化.
- 在 MATLAB 中实现 ANN 模型用于预测任务.
主要成果:
- 该ANN模型准确地预测了布酸乙溶液的热物理性质.
- 该模型在确定最佳水热度时取得了惊人的2%的误差.
- 该ANN方法被证明是多功能性的,在预测多通道转操作方面取得了成功.
结论:
- 在复杂的解决方案中,ANN提供了一个非常准确和高效的方法来预测热物理性质.
- 开发的模型可以在没有进一步实验的情况下预测中间度的特性.
- 这项研究强调了ANN在化学和工程应用中的广泛适用性.
