تحقیق ویسکوزیته مخلوط مایعات

توضیحات

 عنوان تحقیق: ویسکوزیته مخلوط مایعات

مقاله 1  (2014-1)

عنوان مقاله: به سوی یک مدل پیش بینی برای تخمین ویسکوزیته مخلوط های سه‌گانه حاوی مایعات یونی

نام ژورنال:  Journal of Molecular Liquids

ارائه‌دهندگان:

 Mohsen Hossein-Zadeh,  Abdolhossein Hemmati-Sarapardeh

خلاصه مقاله:

مایعات یونی (ILs)  به طور گسترده تحت تحقیق قرار گرفته‌اند و به دلیل خواص منحصر به فردشان در بسیاری از زمینه های صنعتی مورد استفاده قرار می گیرند. دانش خواص فیزیکی و شیمیایی IL ها برای برنامه‌های کاربردی آنها حیاتی است. ویسکوزیته یکی از مهمترین خواص فیزیکی IL است.

از آنجایی که اندازه گیری ویسکوزیته تجربی گران، وقت‌گیر و دست‌و‌پا‌گیر است، جستجوی یک مدل قابل اعتماد و دقیق برای پیش بینی ویسکوزیته مخلوط‌های یونی ضروری است.  برای این منظور، یک بانک اطلاعاتی بزرگ که شامل طیف گسترده‌ای از مخلوط های سه‌گانه حاوی IL است، منتشر شده است. پس از آن، یک رویکرد مدل سازی دقیق به نام، ماشین بردار پشتیبانی حداقل مربع(LSSVM)  برای پیش بینی ویسکوزیته مخلوط های سه‌تایی استفاده شد. پارامترهای مدل با استفاده از ابزار بهینه سازی و شبیه سازی آنیل (CSA) بهینه سازی شدند. ورودی های مدل عبارتند از دمای نقطه جوش، وزن مولکولی و ترکیب مولفه‌های مخلوط. تجزیه و تحلیل خطا های آماری و گرافیکی نشان می دهد که مدل توسعه یافته می تواند به طور مطلوبی، ویسکوزیته‌ی مخلوط سه‌گانه را، پیش‌بینی کند.

علاوه بر این، نشان داده شده است که، مدل پیشنهادی قادر به پیش بینی روند فیزیکی واقعی ویسکوزیته با تغییر وزن مولکولی و نقطه جوش IL، محتوای اتانول و محتوای آب است. علاوه بر این، فاکتور ارتباط نشان می‌دهد که میانگین نقطه جوش مخلوط سه‌گانه، بیشترین تاثیر را بر روی ویسکوزیته دارد. در نهایت، رویکرد اهرم به کار گرفته شده است، که در آن ماتریس آماری هت، ویلیامز پلات و بقیه نتایج مدل‌سازی‌ها، منجر به شناخت احتمالات شده است. تمام داده های تجربی به جز پنج نقطه داده، قابل اعتماد هستند. بنابراین، مدل توسعه یافته می‌تواند برای پیش بینی ویسکوزیته مخلوط سه‌گانه در دامنه کاربرد آن، قابل اعتماد باشد.

در این مطالعه، تکنیک بردار پشتیبانی از حداقل مربع، به عنوان یک الگوریتم یادگیری نظارت شده برای پیش‌بینی ویسکوزیته مخلوط‌های سه‌گانه حاوی IL به عنوان تابعی از ترکیب، وزن مولکولی و نقطه جوش مولفه‌ها پیشنهاد شده است. برای این منظور،729 نقطه داده از ترکیبات IL برای آموزش و آزمایش مدل، از منابع ادبی قابل اعتماد جمع آوری شده است. پارامترهای مدل با استفاده از الگوریتم بهینه سازی CSA بهینه شدند. یکی از مهمترین مزایای مدل توسعه یافته این است که در طول فرآیند آموزش نیازی به دانش نظری زیاد یا تجربه انسانی نیست. از این رو، دانش قبلی مورد استفاده قرار نگرفته و روش آموزش مدل فقط بر اساس داده های تجربی است. تجزیه و تحلیل خطا های آماری و گرافیکی نشان می دهد که مدل توسعه یافته می‌تواند ویسکوزیته ترکیبی سه‌گانه را با دقت کافی پیش‌بینی کند. علاوه بر این، نشان داده شده است که مدل پیشنهادی قادر به پیش‌بینی روند واقعی ویسکوزیته با تغییر وزن مولکولی و نقطه جوش IL، محتوای اتانول و محتوای آب است.

فاکتور ربط نشان می‌دهد که هر دو وزن مولکولی و نقطه جوش تاثیر مثبت بر ویسکوزیته مخلوط سه‌گانه دارند. علاوه بر این، مشخص شد که متوسط وزن مولکولی مخلوط سه‌گانه، بیشترین تاثیر را بر ویسکوزیته دارد. مدل  CSA-LSSVM  می‌تواند در هر نرم افزاری اجرا شود و دقت خوبی برای پیش‌بینی مخلوط های سه گانه حاوی IL ها، فراهم می کند.

فلوچارت الگوریتم CSA-LSSVM به صورت زیر است:

مقاله 2  (2014-2)

عنوان مقاله: پیش‌بینی و رابطه‌ی ویسکوزیته‌ی مخلوط دوتایی مایعات یونی با حلال های آلی

نام ژورنال:  Journal of Molecular Liquids

ارائه‌دهندگان:

Divna M. Bajić, Slobodan P. Šerbanović, Emila M. Živković, Jovan Jovanović, Mirjana Lj. Kijevčanin

دانشکده فناوری و متالورژی، دانشگاه بلگراد، کارنیجیا، صربستان

خلاصه مقاله:

 مقادیر ویسکوزیته‌ی ده مخلوط مایع باینری، حاوی مایعات یونی و ترکیبات آلی که در فشار اتمسفر و در محدوده‌ی گسترده‌ای از دما تعیین شده‌اند، با استفاده از دو روش متفاوت، محاسبه شده‌اند: 1- پیش بینی شده توسط مدل‌های مشارکت گروهی (UNIFAC-VISCO و ASOG-VISCO )، 2- همبستگی (Seddon، Grunberg-Nissan، McAlister، Eyring UNIQUAC و Eyring-NRTL  ) در نهایت نیز، با داده‌های مطالعات قبلی مقایسه شده‌اند. نتایج به دست آمده از نظر رویکرد و مدل کاربردی مورد تجزیه و تحلیل قرار گرفته‌اند. برای مدل های UNIFAC-VISCO و ASOG-VISCO، داده های ویسکوزیته‌ی مجود در مطالعات پیشین، برای تعیین پارامترهای تعاملی جدید، استفاده شده‌اند.

اهمیت مدل‌های پیش‌بینی این است که، ویسکوزیته مخلوط را می توان از داده های جزء خالص و پارامترهای تعاملی بین گروه های عملکردی موجود در سیستم، محاسبه کرد. از سوی دیگر، مدل‌های همبستگی اغلب منجر به نتایج بهتر می شوند، اما داده های تجربی برای تعیین پارامترهای تعاملی (یک یا چند)، با استفاده از یک روش بهینه سازی ضروری هستند.

نتایج به دست آمده با استفاده از مدل‌ McAlister و همچنین مدل Eyring-NRTL به عنوان مدل سه پارامتر، بسیار خوب و با انحراف کمتر از 1% در همه موارد، هستند.

مدل های یک پارامتر، انحرافات بالاتری را به دست می‌دهند، همانطور که انتظار می‌رود. مدل های مشارکت گروهی UNIFAC-VISCO و ASOG-VISCO نیز برای پیش بینی ویسکوزیته‌های دینامیکی مخلوط‌های باینری استفاده شده است، و پارامترهای تعاملی جدید از داده های ویسکوزیته‌ی موجود در مطالعات قبلی، تعیین شده‌اند. برای برخی از سیستم‌ها، این مدل‌ها نتایج بسیار خوبی دارند، تقریبا همانند مدل های همبستگی، و برای دیگرسیستم‌ها، مقدار انحراف معیار تا 11% افزایش می یابد.

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.

سفارش تحقیق

به منظور سفارش تحقیق مرتبط با رشته تخصصی خود بر روی کلید زیر کلیک نمایید.

سفارش تحقیق