پیش بینی کشش سطحی و خواص سطحی مخلوطهای دوجزئی حاوی مایعات یونی با استفاده از مدلهای ترمودینامیکی و شبکه عصبی مصنوعی
نویسندگان
چکیده مقاله:
در این مقاله، کشش سطحی و خواص سطحی سیستمهای دو جزئی حاوی الکل (متانول و اتانول) و مایع یونی{1- بوتیل پیریدینیوم تترا فلوئورو بورات(1-bptf)، 1- بوتیل -3- متیل پیریدینیوم تترا فلوئورو بورات(1-b-3-mptf)، 1- بوتیل -4- متیل پیریدینیوم تترا فلوئورو بورات (1-b-4-mptf)} با استفاده از مدلهای تئوری و ترمودینامیکی در دماهای بین15/293 تا 15/323کلوین تعیین شدند. ابتدا مدل های ترمودینامیکی از قبیل مدل فو و همکاران(FLW ) و مدل مایزر-اسکات ((MS همبستگی کشش سطحی و انحراف کشش سطحی از حالت ایده آل با غلظت مورد بررسی قرار گرفت و در یک دیدگاه جدید با استفاده ضرایب حاصل از مدل FLW انرژی برهمکنش بین الکل با مایع یونی(U21) محاسبه شد. نتایج نشان می دهد در اکثر موارد مقدار U21 در یک دمای ثابت و الکل ثابت( مانند متانول یا اتانول) با افزایش اندازه بخش کاتیونی مایع یونی افزایش می یابد. سپس استفاده از مدل شبکه عصبی مصنوعی (ANN)به عنوان یک مدل کاربردی برای پیشبینی کشش سطحی استفاده شد و نتایج با روش های ترمودینامیکی مورد مقایسه قرار گرفت که نتایج ANN بهترین توافق را با داده های تجربی داشت. میانگین خطای بدست آمده از مقایسه دادههای تجربی با نتایج حاصل از سه مدل تئوری ANN) و(FLW, MS برای سیستم های دوتایی کمتر از 3/5% است. نتایج حاصله از این مطالعه اطلاعات مفیدی در مورد برهمکنش اجزاء در فاز سطح و توده محلول ارائه می کند.
منابع مشابه
پیش بینی کشش سطحی مایعات یونی بر پایه ایمیدازولیوم با بکارگیری شبکه عصبی مصنوعی
امروزه با پیشرفت تکنولوژی برای حل مسائلی که روابط دقیق ریاضی بین ورودی و خروجی برقرار نمی باشد از شبکه های عصبی مصنوعی استفاده می شود. در این پژوهش برای پیشبینی کشش سطحی مایعات یونی بر پایه ایمیدازولیوم دو شبکه عصبی پرسپترون چند لایه شامل شبکه عصبی مصنوعی پیشرو (FFANN) و شبکه عصبی آبشاری (CANN) پیشنهاد شد. برای بررسی صحت مدل ها، از 1251 داده آزمایشگاهی گردآوری شده از مقالات مختلف شامل کشش سطحی...
متن کاملمطالعه کشش سطحی و خواص سطحی مخلوطهای دوجزئی مایع غیر ایدهآل
در این تحقیق، کشش سطحی و خواص سطحی مخلوطهای آب/کربوکسیلیک اسید(C1-C4) در دماهای مختلف از 293.15 تا 323.15کلوین مورد بررسی قرار گرفت. کشش سطحی و انحراف کشش سطحی از حالت ایدهآل سیستم های بالا با استفاده از مدل های تجربی و ترمودینامیکی مورد ارزیابی قرار گرفت. با استفاده از مدلهای ردلیچ-کیستر (RK)، لی و همکاران (LWW)، فو و همکاران (FLW) و مایرز- اسکات (MS)، کشش سطحی و انحراف کشش سطحی از حالت اید...
متن کاملپیش 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...
15 صفحه اولروشهای اندازهگیری کشش سطحی مایعات
مایعات در رشتهها و زمینههای مختلف مهندسی از جمله پوشش دادن، رنگرزی، نساجی، ساخت محلولها و امولسیونها، میکرو امولسیونها و داروها، الکترونیک، اسپری کردن، بازیافت روغنها و خصوصا فرایندهای سرامیکی کاربردهای متنوعی دارند. به همین سبب، مطالعه ویژگیهای فیزیکی مایعات حائز اهمیت است. یکی از این ویژگیهای فیزیکی مهم مایعات کشش سطحی آنها میباشد و آنچه بر همیت کشش سطحی میافزاید ارتباط آن با نقط...
متن کاملپیش بینی نشست سطحی ناشی از حفر تونل با استفاده از شبکه های عصبی مصنوعی؛ مطالعۀ موردی: تونل متروی مشهد
در هنگام حفر تونل در فضاهای شهری، جلوگیری از آسیب و تخریب سازههای مجاور اهمیت ویژهای دارد. برای کاهش این آسیبها باید از نشست سطحی زمین جلوگیری کرد. در سالهای اخیر بررسیهای گستردهای در زمینۀ پیشبینی نشست سطحی زمین در اثر حفر تونل انجام شده است. انتخاب روش مناسب به عوامل مختلفی بستگی دارد. نشست سطحی ناشی از حفر تونل با کمک متغیرهای ورودی که تأثیر فیزیکی چشمگیری بر نشست دارند، پیشبینی شده...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 12 شماره 42
صفحات 181- 196
تاریخ انتشار 2017-03-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023