بررسی عملکرد شبکه های عصبی در تخمین ضرایب دوم معادله حالت ویریال

شبکه های عصبی مصنوعی از جمله روش های جدید ریاضی بوده که به تازگی کاربرد فراوانی در مهندسی شیمی یافته است. این روش معمولا در مواردی که دسترسی به اطلاعات خاص مقدور نباشد نتایج قابل قبولی به همراه دارد. در این مقاله دو نوع شبکه عصبی پرسپترون چند لایه و شبکه عصبی با تابع شعاعی در جهت پیش بینی و تخمین ضرایب دوم معادله حالت ویریال مورد استفاده قرار گرفته است. همچنین عوامل مختلف ساختاری و روش های مختلف بهبود یادگیری و عمومیت شبکه های عصبی مورد بررسی قرار گرفته اند. در پایان، رفتار این دو نوع شبکه از نظر دقت و سرعت در دستیابی به جواب نهایی با یکدیگر مقایسه و به نقاط قوت و ضعف هر یک پرداخته شده است. در این پژوهش از داده های تجربی متناسب با صد ماده هیدروکربنی مختلف در جهت پیش بینی ضرایب دوم معادله حالت ویریال و بررسی عملکرد شبکه های متفاوت استفاده شده است.