共查询到17条相似文献,搜索用时 156 毫秒
1.
电性拓扑状态指数预测烃类物质闪点 总被引:6,自引:0,他引:6
摘要:建立了一个应用电性拓扑状态指数预测烃类物质闪点的定量结构-性质相关性(QSPR)的研究模型。该指数易于计算,有较强的同分异构体区分能力。计算了116种烃类化合物的原子类型电性拓扑状态指数(ETSI),并以其有效表征物质的分子结构特征。分别采用线性回归分析法和人工神经网络法对所研究化合物的闪点与其分子结构之间的定量关系进行研究。训练集的线性回归方法和神经网络方法的平均相对误差分别为3.8%和2.7%;测试集的两种方法的平均相对误差分别为3.1%和2.0%。实验结果表明,无论是线性回归分析法还是人工神经网络法,闪点预测值与实验值均符合良好,优于传统基团贡献法所得结果。该方法的提出为工程上提供了一种根据分子结构预测有机物闪点的新方法。 相似文献
2.
基于支持向量机方法的烃类物质自燃点预测 总被引:3,自引:0,他引:3
基于定量结构-性质相关性(QSPR)原理,研究了烃类物质自燃点与其分子结构间的内在定量关系;采用新近提出的支持向量机方法对90种烃类物质的自燃点进行了研究,建立了根据分子结构预测烃类物质自燃点的数学模型;分别采用内部验证及外部验证的方式对模型性能进行了验证。结果表明,自燃点预测值与实验值符合良好,平均绝对误差为21.0℃,均方根误差为27.21,优于多元线性回归和人工神经网络方法所得结果。本方法的提出为工程上提供了一种预测烃类物质自燃点的新的有效方法。 相似文献
3.
为了研究化合物结构与其辛烷值之间的相关性,以原子类型电拓扑状态指数作为描述符表征分子的结构特征,从40个样本中选取30种链烷烃作为训练集,对研究法辛烷值选取8个作为测试集,对马达法辛烷值选取7个作为预测集,利用SPSS软件进行多元线性回归,建立了辛烷值的定量结构-性质关系。得到的研究法辛烷值和马达法辛烷值预测模型复相关系数分别为0.965、0.955和均方根误差分别为5.4338、4.9404,并对模型进行内部和外部验证。结果表明,该模型具有较好的稳定性及预测能力。 相似文献
4.
5.
6.
7.
8.
为了研究二元可燃混合液体自燃点变化规律并对混合液体自燃点进行预测,采用AITTA 551 自燃点测试仪对不同组分和配比的168组二元可燃混合液体的自燃点进行了测定。根据基团贡献法原理,在纯物质自燃点理论预测模型的基础上,对模型进行改进,提出更适用于二元混合液体自燃点的预测模型,并采用多元非线性回归方法进行拟合,建立了二元可燃混合液体自燃点预测模型。模型对训练集和测试集预测平均绝对误差分别为20.1042℃和25.9045℃,平均绝对百分误差分别为5.18%和7.25%, 整体预测误差在实验允许误差范围之内。模型对烷-烷和醇-醇二元混合体系预测效果最佳,对含有苯环的混合体系预测能力一般。本文为可燃混合液体自燃点的理论预测提供了一种新的有效方法。 相似文献
9.
10.
11.
综述了国内外液态碳氢燃料燃烧特性相关的实验、化学机理研究现状,着重介绍了火焰传播特性、熄灭特性、着火特性和产物特性的实验方法和化学动力学模型。液态碳氢燃料的燃烧特性受到人们越来越多的重视,目前的研究主要集中在含碳原子数12(即C12)以下的碳氢燃料,并且基本在常压条件下开展,而加压实验及作为航空煤油和柴油主要成分的C12以上碳氢燃料的研究甚少。高碳数碳氢燃料的燃烧机理比碳数较低的碳氢燃料更加复杂,不能简单地从小分子碳氢燃料的研究结果进行外推。因此,未来需要加强加压条件下的液体碳氢燃料和C12以上高碳数碳氢燃料燃烧特性的研究。与此同时,需要深入开展相关化学反应机理模型和简化机理的研究,以便更准确地预测燃料的燃烧性质和促进燃烧数值模拟。 相似文献
12.
为了快速准确预测水驱开发油田的采收率,在考虑储层特征、流体性质等影响原油采收率因素的基础上,建立了基于反向传播神经网络优化算法的采收率快速预测方法。首先,以蓬莱19-3油田地质特征和流体性质为依据,建立了油藏数值模拟地质模型,选取渗透率变异系数、原油黏度、油层净毛比和生产压差等4个关键因素,每个因素选取5个水平,采用油藏数值模拟方法对625组数据进行了模拟,建立了625组采收率及其影响因素关系数据库;然后,基于BP网络及优化理论,建立了快速预测采收率的人工神经网络方法。选取500组数据作为算法训练集,125组数据进行测试,测试结果表明,125组测试数据的预测采收率相对误差范围为?2.91%~5.07%,平均相对误差为0.16%,满足工程精度要求。多层水驱开发油田采收率快速预测方法为蓬莱19-3油田及其他同类油田采收率快速预测提供了新的技术手段。 相似文献
13.
K. Movagharnejad F. Zareei B. Mehdizadeh S. Salahi 《Petroleum Science and Technology》2013,31(9):1008-1016
Prediction of the surface tension of hydrocarbons is required in many chemical engineering calculations. In this work a robust artificial neural network code has been used in MATLAB software (The MathWorks, Natick, MA) to predict the surface tension prediction of 61 hydrocarbons. Experimental data is divided into two parts (70% for training and 30% for testing). Optimal configuration of network is obtained with minimization of prediction error on testing data. The accuracy of our proposed model is compared to four well-known empirical equations. Results showed that artificial neural network was more accurate than these empirical equations. Average relative deviation of our artificial neural network model is 0.93 while average relative deviation of the Brock-Bird, Pitzer, Zuo-Stenby, and Sastri-Rao equations are 6.30, 6.48, 5.73, and 6.33, respectively. 相似文献
14.
15.
16.
人工神经网络基团贡献法预测有机物闪点 总被引:1,自引:1,他引:0
建立了一个基于误差反向传播(Back-Propagation,BP)神经网络方法的基团贡献模型,用于预测有机物闪点。以32种分子基团作为神经网络的输入参数,闪点作为输出,研究有机物闪点与分子结构之间的相关性。实验样本由258种有机物构成,并随机划分为训练集(216种)和预测集(42种)。通过试差法确定神经网络最优参数,应用最优BP网络结构(32-4-1)进行模拟,结果表明,闪点预测值与实验值符合良好,绝对平均绝对误差6.22K,绝对平均相对误差2.24%,优于传统基团贡献法所得结果。该方法的提出,不仅揭示了有机物闪点与分子结构之间的定量关系,而且为工程上提供了一种预测有机物闪点的新的有效方法。 相似文献
17.
In this article the amount of polycyclic aromatic hydrocarbon (PAHs) on the sediment of Caspian Sea predicted by artificial neural networks multi-layer perceptron (MLP) and generalized regression (GRNN) models. PAH is a most important pollutant in a marine environment derived from an anthropogenic and natural source. This component is mutagenic and Carcinogenic extremely. In this investigation, a multi-layer perceptron and Generalized regression neural network models have been developed by experimental data (organic matter, latitude, longitude, depth and effective matter (particle size)) reported in the literature. As a result, experimental data compared to the output of models by calculation of mean squared error (MSE), root mean squared error (RMSE), mean absolute error percent (MEAE), maximum absolute error percent (MAAE) and R2. Results have shown an appropriate fitting for experimental data with predicted values .Also, MLP neural network has the best performance to predicating of PAHs. 相似文献