使用PHSC和ANN模型预测水性碳水化合物溶液的热力学特性
Soud Khalil Ibrahim1, Rafid Jihad Albadr2, Dharmesh Sur3
1Department of Anesthesia Techniques, Health and Medical Techniques College, Alnoor University, Nineveh, Iraq.
这项研究使用了人工神经网络 (ANN) 和扰乱硬球链 (PHSC) 模型来准确预测水性糖溶液的热力学特性,包括透和活性系数以及水活性. 这些模型在没有实验数据的情况下预测新糖溶液的特性方面具有前景.
科学领域:
- 物理化学 物理化学
- 化学工程是化学工程的重要组成部分.
- 计算化学的计算化学
背景情况:
- 准确预测水性糖溶液的热力学特性对于食品加工,制药和生物技术至关重要.
- 现有的模型可能在预测各种糖和条件的特性方面存在局限性.
- 开发强大的预测模型对于优化涉及糖溶液的工业流程至关重要.
研究的目的:
- 估计14种不同糖的水溶液的透系数,活性系数和水活性.
- 为了比较人工神经网络 (ANN) +组贡献 (GC) 方法和扰乱硬球链 (PHSC) 状态方程 (EoS) 的预测能力.
- 评估模型在预测糖溶性的表现.
主要方法:
- 使用扰乱硬球链 (PHSC) 状态方程 (EoS),通过实验性透系数数据调整参数.
- 采用一个人工神经网络 (ANN),具有六个输入变量 (临界温度,临界体积,度,温度,温度,热量) 和32个神经元在一个隐藏层.
- 使用组贡献 (GC) 方法估计糖的关键性质.
主要成果:
- 该ANN+GC模型实现了0.999的训练相关系数 (R2) 和2.06 × 10−6.6的平均平方误差 (MSE).
- 平均相对偏差 (ARD) 值较低:PHSC EoS (透系数为0.43%,水活性为0.12%,糖活性系数为0.66%) 和ANN + GC (分别为2.1%,0.89%,1.65%).
- 两种模型都证明了在水中的糖溶解度的令人满意的预测.
结论:
- ANN + GC 和 PHSC 模型是预测水性糖溶液热力学性能的有效工具.
- 在没有实验数据的情况下,ANN + GC方法提供了基于单独分子结构的新水性糖溶液的预测特性,即使没有实验数据.
- 这些预测模型可以在设计和优化涉及糖溶液的过程中显著帮助.
更多相关视频
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
12:11Computation of Atmospheric Concentrations of Molecular Clusters from ab initio Thermochemistry
Published on: April 8, 2020
相关概念视频
Aqueous Solutions and Heats of Hydration
When ionic compounds dissolve in water, the ions in the solid separate and disperse uniformly throughout the solution because water molecules surround and solvate the ions, reducing the strong electrostatic forces between them. This process...
Enthalpy of Solution
Entropy and Solvation
Clausius-Clapeyron Equation
Thermodynamic Potentials
Model Approaches for Pharmacokinetic Data: Physiological Models
