人工神经网络基团键贡献法预测烷烃闪点

建立了一个基于人工神经网络方法的基团键贡献模型,用于预测烷烃闪点。该模型既考虑了分子中基团的特性,又考虑了基团之间的连接性(化学键)。以16种烷烃基团键作为神经网络的输入参数,研究了44种烷烃的闪点与分子结构之间的相关性。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6.0 K,绝对平均相对误差2.15%,优于传统基团贡献法所得结果。该方法的提出不仅揭示了烷烃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。     

如何预测正构烷烃的密度

对于碳原子数为1～20(C_1～C_(20)。)的正构烷烃,在各种温度条件下的准确密度已有文献发表,但是C_2。以至更高碳原子数的烷烃的准确密度则很少见有发表。在美国《化学工程》(Chemical Engineeing)杂志1989年第10期上,Roanoke学院化学系副教授Charles H.Fisher发表了预测C_(20)以上正构烷烃密度的方程式。 C.H.Fisher指出,可以用下面的方程式计算C_(20)以上正构烷烃在20～150℃温度范围内的密度:     

人工神经网络法预测有机物基础物性

用神经网络法预测有机物的物性,提出用主成分分析和回归分析的方法,求得输入参数,对有机物的正常沸点、临界温度、临界压力、临界体积、汽化焓、偏心因子等基础物性作了定量预测,估算精度可满足化工计算的要求。     

图论法预测烷烃的生成热

1前言用实验的方法进行有机物生成热的测定是一项较为繁琐的工作，若能从理论上预测有机物物性参量，则能够为化工设计及理论研究带来便利，这是具有十分重要意义的工作。目前，对于有机物物性参量的预测方法有许多种：分子连接性方法[1]具有较好的优点，但引入的参数较多。而在同系线性规律中[2]，引入同系因子也给计算带来许多不便。采用Weiner数[3]来进行直接预测，不仅有较好的理论基础，而且运算比较简单。蒋登高[4]采用Weine数进行了他和烷烃和链烯烃汽化热的预测。在经典的Wdri数的计算过程中，由于没有考虑到端基及支链对直接相连…     

用图论方法预测饱和烷烃的偏心因子

利用约化Wiener指数Wc 以及路径数P2 、P3 研究了饱和烷烃偏心因子ω与分子的拓扑结构关系 ,结果表明分子体积是决定分子偏心度的主要因素 ,而分子的支化和形状在一定程序上也影响分子的偏心度。通过建立ω与Wc、P2 、P3 之间的QSPR模型 ,提出了一种直接从分子的拓扑结构预测烷烃偏心因子的简便方法。对 5 1个烷烃计算值与实验值的平均偏差仅为 0 .0 0 44。并对部分烷烃的偏心因子进行了预测。预测值与文献值十分一致。     

基于人工神经网络方法预测水性聚氨酯粒径

以聚醚多元醇、异氰酸酯以及二羟甲基丙酸(DMPA)为原料合成了一系列水性聚氨酯,并以正交试验的结果,进行了人工神经网络的研究,据此考察了DMPA含量、中和度、R值、官能度和分散速度对水性聚氨酯乳液粒径的影响,在给定的误差范围内,预测了乳液的平均粒径。实验结果表明:神经网络与正交试验方法相结合,能够预测实验的结果,减少实验的次数。     

材料性能预测和配方优化的人工神经网络研究方法

简要介绍人工神经网络的原理和特点,概述了人工神经网络在预测高分子材料的性能和共聚物组成方面的研究成果,总结了人工神经网络在聚合物成型加工和有色金属加工质量控制方面的应用,讨论了人工神经网络用于高分子材料、混凝土和合金配方设计与优化的优点和应用情况,指出了神经网络在材料科学领域中的发展趋势。     

塑料自然老化力学性能的人工神经网络预测

针对塑料老化过程,利用人工神经网络方法建立自然老化力学性能时间序列的预测模型。该模型可很好地解决老化试验中数据少且统计规律不明显的问题。从给出的拉伸强度和断裂伸长率的预测例子和计算结果表明,该方法具有良好的精度,可满足工程实际对塑料老化性能预测精度的要求。同时可大量缩短试验时间,节约试验费用。     

全氟烷烃制备方法的探讨与应用

介绍全氟烷烃类有机化合物的制备方法及应用。主要有直接电解氟化法、间接电解合成法和化学合成法,及应用于全氟丁烷、全氟己烷、全氟庚烷和全氟辛烷的制备等。     

一种新的BP神经网络培训方法

本文针对BP神经网络培训过程中的局部最优解问题提出了一种新的培训方法——GDR-SA法,分别对1个具有13个决策变量的网络和1个具有108个决策变量的催化裂化分馏塔优化操作建模网络进行了培训。结果表明这一方法可以有效地克服局部最优解给网络培训所带来的困扰。     

用分子连接性指数关联和预测链烷烃的pVT性质

<正>流体的pVT性质在化工理论基础和应用研究中都具有重要的意义,通常采用经验关系式或基于一定理论模型的状态方程来描述.而流体性质与其结构存在着内在的、本质的联系,因此用于描述分子结构的分子拓扑指数可进行结构/性质的定量关联.本文基于分子拓扑指数,采用人工神经网络技术来研究烷烃的pVT性质.并假定物质的pVT性质与分子拓扑指数呈以下函数关系V=f(p,T,~mX_t)(1)函数f无统一的解析表达式且为一非线性函数.将分子拓扑指数对pVT性质的影响视为一个由拓扑指数空间到pVT性质空间的一个映射,即V=N(p,T,~mX_t)(2)在此映射关系中,N为神经网络,其权重参数可由部分物质的已知实验数据经神经网络训练后抽提得到,进而可对其他物质的pVT性质进行预测.1 分子拓扑指数的选择和计算     

一种用于谷氨酸生产流加操作过程预测的模糊-神经网络

提出了一种子空间可调的模糊-神经网络(FNN),通过采用新型的网络结构设计、模糊子空间均匀化设计和模糊子空间可调性设计,提高了网络的模拟、预测精度,明显缩短了训练时间.通过可调模糊-神经网络可以对系统进行预测、优化及因素分析,并将所提出的模糊神经网络应用于谷氨酸流加发酵过程的模拟与预测,取得了满意的结果.     

利用人工神经网络预测复相陶瓷材料组分含量的研究

根据人工神经网络（ANN）的BP(back propagation）算法,预测复相陶瓷各组分的体积分数的神经网络模型,模型由三层神经元组成,分别为输入层、隐含层和输出层用以模拟人脑的结构,输入层参数由两部分组成,一部分为抗弯强度、硬度和断裂韧性等力学性能,另一部分包括相应各组分的弹性模量和热膨胀系数,以用来辨识不同的材料系统,输出层参数是复相陶瓷中各组分的体积分数,只要训练样本值足够精确,预测模型就能够预测已有的陶瓷系统的组分含量,同时,模型能够预估未知材料系统的组分含量。计算证明,模型的容错性较好,因此对开发新型复相陶瓷非常有益。     

改进SRK方程提高正构烷烃饱和蒸气压和液体体积预测精度

<正>引言 在化学工程和油藏工程的相平衡和其他热力学性质计算中,两参数立方型SRK方程应用最为广泛。然而,在某些情况下由SRK方程预测的饱和蒸气压出预测的液体体积偏差较大,无法满足工程计算的需要,必须改进方程,提高其预测精度。1 饱和蒸气压的改进 SRK方程可以写为 p=RT/（V-b）-(a(T)）/V(V+b) （1）     

杂萘联苯聚芳醚酮改性环氧树脂的结构与性能

采用新型耐高温高性能热塑性树脂杂萘联苯聚芳醚酮(PPEK)对环氧树脂(EP)进行共混改性.研究了共混物的结构和热力学性能,并对其增韧机理进行了分析.结果表明,EP/PPEK/4,4'-二氨基二苯砜共混物的热性能得到了提高而断裂韧性整体呈下降趋势.在添加15份PPEK时,共混物的临界应力强度因子(KIC)略有提高,即韧性...     

基于反向神经网络的陶瓷材料Vickers硬度预测

误差反向传播神经网络(BP网络)具有能够正确逼近非线性映射关系的优点。将其运用到复相结构陶瓷材料Vickers硬度预测当中，克服了陶瓷材料研究中单因素实验法不能正确反映Vickers硬度与添加组分多因素之间复杂非线性关系的弱点，通过硬度预测和试验验证表明，该方法可行有效，为快捷、经济地开发研制新的陶瓷材料提供了新的思路和有效手段。