بررسي تجربي و مدلسازي شبكه عصبي براي پيشبيني ضريب شكست الكلهاي خالص و مخلوط دوتايي

در اين پژوهش ضريب شكست نمونه هاي خالص الكلهاي نوع اول و مخلوط‌هاي دوتايي آنها به دو روش تجربي و مدلسازي مورد بررسي قرار گرفت. در روش تجربي از دستگاه رفركتومتر براي اندازه گيري ضريب شكست استفاده شد و در روش مدلسازي، با به كارگيري شبكه عصبي مصنوعي پرسپترون چندلايه مدلسازي شد. به همين منظور ورودي هاي شبكه مربوط به مواد خالص، دما، جرم مولكولي و گروه هاي عاملي CH3، CH2 و OH و براي مخلوط ها كسر مولي، جرم مولكولي جزء اول، جرم مولكولي جزء دوم و گروه هاي عاملي CH3، CH2 و OH و ضريب شكست به عنوان تنها خروجي شبكه در نظر گرفته شده است. در طراحي شبكه عصبي، 70% داده ها تحت عنوان تابع آموزش، 15% به عنوان تابع اعتبارسنجي و 15% به عنوان تابع آزمايش در نظر گرفته شده است. در اين مدلسازي، نمونه هاي خالص در نورون 10 با ميانگين درصد خطاي نسبي مطلق 0.08457 و نمونه هاي مخلوط در نورون 12 با ميانگين درصد خطاي نسبي مطلق 0.07121 بهينه شده است. با مقايسه روش آزمايشگاهي و مدلسازي در نمودارهاي عملكرد، انطباق خوبي بين دو روش وجود دارد كه نشاندهنده كيفيت مدل ارائه شده مي باشد