مدل سازي و پيش بيني نقطه اشتعال تركيبات هيدرو كربني با استفاده از شبكه عصبي

نقطه اشتعال يكي از مهمترين خواص احتراقي تركيبات شيميايي است. در اين مقاله مدلي بر پايه شبكه‌هاي عصبي به منظور پيش بيني نقطه اشتعال تركيبات هيدروكربني از خانواده‌هاي گوناگون با دقت بالا ارائه مي‌ شود. بر اين اساس، تعداد اتم‌هاي هيدروژن و كربن، دماي بحراني، دماي جوش نرمال، ضريب بي مركزي و آنتالپي تشكيل به عنوان متغير‌هاي ورودي مدل انتخاب شده اند. با بررسي شبكه‌هاي عصبي گوناگون، بهترين نتايج براي يك شبكه عصبي پيش رونده با چهار نورون در لايه مياني، تابع انتقال لوگ سيگمويد و الگوريتم آموزش پس انتشار خطا لونبرگ ماركارت مشاهده شده است. با استفاده از مدل به دست آمده، ميزان خطاي مطلق نسبي متوسط0.97%، 0.96%، 0.96% و 1 % به ترتيب براي داده‌هاي آموزش، ارزيابي و آزمون مدل و نتايج كلي مدل حاصل گرديد.در اين مدل سازي 393 تركيب مورد بررسي قرار گرفته شده است.در اين مقاله نحوه انتخاب بهترين الگوريتم آموزش و همچنين بهترين تابع فعالساز به همراه نمودار خطاي نسبي آنها در شبكه ارائه و توضيح داده شده است.