پیش بینی کشش سطحی مایعات خالص با استفاده از شبکه عصبی مصنوعی

با توجه به اهمیت خاص پدیده کشش سطحی مایعات خالص در تحقیقات علمی و تکنولوژیکی و همچنین اهمیت اندازه گیری آن و ارائه نتایج قابل قبول در محدوده گسترده ای از دما، ارائه مدلی برای پیشگویی هر چه دقیق تر کشش سطحی و ایجاد ارتباط میان این پدیده و دیگر خواص مواد همواره مطرح بوده است. از طرفی اندازه گیری این پدیده ترموفیزیکی توسط دستگاه های موجود گاهی بسیار وقت گیر و پر هزینه بوده و یا در مورد بعضی مایعات در دماهای خاص امکان پذیر نمی باشد. در این پروژه پس از معرفی وسایل و دستگاه های اندازه گیری کشش سطحی، یک مرور کلی روی مدل های ارائه شده در زمینه تخمین و پیشگویی کشش سطحی مایعات خالص صورت گرفته و نقاط ضعف و قوت آنها بررسی شده است. در پروژه حاضر سه شبکه عصبی مصنوعی با ساختار های متفاوت برای رسیدن به ابزاری قابل اعتماد و قدرتمند برای پیش بینی کشش سطحی مایعات خالص دردماهای متفاوت و فشارثابت اتمسفر طراحی شده است. مدل اول، شبکه پیشخور3 لایه ای است با الگوریتم آموزشی پس انتشارخطا و روش بهینه سازی لونبرگ مارکارد متشکل از تعداد 3120 داده متعلق به 250 مایع خالص از 7 گروه مختلف از مایعات، شامل مایعات آلی، غیر آلی (معدنی)، آلی- فلزی، مایعات آلی ارسنیک دار، مایعات آلی – برون دار، مایعات آلی- سیلیکون دار و مایعات آلی- فسفردار می باشد که به عنوان ورودی شبکه در نظر گرفته شده اند. مشخصه های ورودی شبکه در این مدل عبارتند از دمای بحرانی، tc ،فشار بحرانی، pc ، دانسیته بحرانی، ?c ، حجم بحرانی، vc ، ضریب تراکم پذیری بحرانی، zc ، ضریب بی مرکزی، ? ، دمای جوش نرمال، tb ، جرم ملکولی، mw و دمای متناظر با کشش سطحی در هر نقطه برای مایعات. مدل دوم به گونه ای طراحی شده است که می تواند در مواردی که فقط خاصیت دمای بحرانی یک ماده در دسترس باشد، به جهت سهولت در محاسبه جرم ملکولی، کشش سطحی آن ماده را در هر دمای دلخواه با سرعت بالا و تقریب نسبتا" خوبی پیش بینی کند. به این ترتیب این مدل فقط با سه پارامتر ورودی دمای بحرانی، tc ، جرم ملکولی، mw و دمای متناظر با کشش سطحی در هر نقطه برای مایعات طراحی شده است. در مدل سوم فقط از مایعات آلی به عنوان ورودی برای شبکه عصبی استفاده شده است. در این مدل نیز 9 مشخصه ورودی مدل اول در طراحی شبکه مورد استفاده قرار گرفته اند. دقت و اعتبار مدل های ارائه شده به طور ویژه با معادلات حالت و به همان نسبت با سایر مدل های تئوری مورد مقایسه قرارگرفته و نتایج نشان می دهد که از این شبکه می توان به عنوان یک جدول مرجع برای تعیین کشش سطحی مایعات خالص به صورت تابعی ازخواص فیزیکی استفاده کرد.