پیش بینی حلالیت n2o در مایعات یونی با استفاده از شبکه عصبی مصنوعی

در این تحقیق سعی شده است میزان حلالیت گاز n₂oدر مایعات یونی: 1-بوتیل-3-متیل یمیدازولیوم- تترافلوروبورات -1, ([bmim][bf₄])بوتیل -3-متیل یمیدازولیوم – تیوسیانات -1, 3 ,([bmim][scn])دی متیل یمیدازولیوم – متیل فسفات -1,3,([dmim][mp])دی اتوکسی یمیدازولیوم –(تریفلورومتیل سولفونیل -1,3,([(oh)₂im][tf₂n])(دی هیدروکسی یمیدازولیوم –(تریفلورومتیل سولفونیل)([eto)₂im][tf₂n])  با استفاده از شبکه عصبی مصنوعی چند لایه پیش بینی گردد. در این مدل از 293 داده آزمایشگاهی استفاده شده است که 70% جهت آموزش شبکه عصبی و 30% آن جهت آزمودن آن به کار رفته است. بهترین شبکه عصبی دارای یک لایه مخفی و 16 نورون می باشد. اطلاعات ورودی شبکه شامل دما، فشار، فشار بحرانی، دمای بحرانی و ضریب بی مرکزی مایعات یونی می باشد. نتایج حاصل از مدل شبکه عصبی مصنوعی نشان می دهد که این مدل توانایی بالایی در پیش بینی حلالیت n₂o در مایعات یونی دارد.