فهرست نشریات علمی دسترسی آزاد ایران

نقطه اشتعال یکی از مهمترین خواص احتراقی ترکیبات شیمیایی است. در این مقاله مدلی بر پایه شبکه‌های عصبی به منظور پیش بینی نقطه اشتعال ترکیبات هیدروکربنی از خانواده‌های گوناگون با دقت بالا ارائه می‌ شود. بر این اساس، تعداد اتم‌های هیدروژن و کربن، دمای بحرانی، دمای جوش نرمال، ضریب بی مرکزی و آنتالپی تشکیل به عنوان متغیر‌های ورودی مدل انتخاب شده اند. با بررسی شبکه‌های عصبی گوناگون، بهترین نتایج برای یک شبکه عصبی پیش رونده با چهار نورون در لایه میانی، تابع انتقال لوگ سیگموید و الگوریتم آموزش پس انتشار خطا لونبرگ- مارکارت مشاهده شده است. با استفاده از مدل به دست آمده، میزان خطای مطلق نسبی متوسط97/0%، 96/0%، 96/0% و 1 % به ترتیب برای داده‌های آموزش، ارزیابی و آزمون مدل و نتایج کلی مدل حاصل گردید.در این مدل سازی 393 ترکیب مورد بررسی قرار گرفته شده است.در این مقاله نحوه انتخاب بهترین الگوریتم آموزش و همچنین بهترین تابع فعالساز به همراه نمودار خطای نسبی آنها در شبکه ارائه و توضیح داده شده است.