Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 44.195.23.152
    [SESS_TIME] => 1711706186
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 1781c67182fc9a4fb98ff970430af68b
    [UNIQUE_KEY] => 5b8766a440824c27c1c331ff9bf3e91d
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Прикладная механика и техническая физика

2020 год, номер 2

Метод оптимизации искусственных нейронных сетей для прогнозирования коэффициентов молекулярной диффузии полярных и неполярных бинарных газов

Н. Мелзи1, Л. Хауан1, С. Ханини1, М. Лайдия1, Я. Амми1, Х. Зенту2
1Университет г. Медеи, Медеа, Алжир
melzinaima@gmail.com
2Университет Путра, Серданг, 43400, Малайзия
hamidzen@gmail.com
Ключевые слова: искусственные нейронные сети, моделирование, молекулярная диффузия, прогнозирование, artificial neural networks, modeling, molecular diffusion, prediction
Страницы: 60-70

Аннотация

C использованием искусственной нейронной сети разработаны прогностические модели для оценки коэффициентов молекулярной диффузии различных газов в широком диапазоне температур и давлений. Две нейронные сети НС1 и НС2 с обратной связью были обучены с использованием шести физико-химических параметров соответственно: молекулярной массы, критического объема, критической температуры, дипольного момента, температуры, давления и молекулярной массы, критического давления, критической температуры, дипольного момента, температуры и давления. Коэффициенты диффузии рассматривались в качестве выходных данных. Набор из 1252 газов (941 неполярный, 311 полярных) использовался для обучения и тестирования искусственной нейронной сети. Получены хорошие корреляции (R =0,986 для НС1, R=0,988 для НС2). Проведен анализ чувствительности шести входных параметров, выбранных для моделирования коэффициента диффузии. Показано, что результаты, полученные с использованием искусственной нейронной сети, являются более точными, чем результаты, полученные по другим моделям.

DOI: 10.15372/PMTF20200206