Izvorni znanstveni članak
https://doi.org/10.15255/KUI.2019.010
Usporedna studija predviđanja koeficijenta molekularne difuzije za polarni i nepolarni binarni plin pomoću neuronskih mreža i višestrukih linearnih regresija
Naima Melzi
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, 26 000 Médéa, Algeria
Latifa Khaouane
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, 26 000 Médéa, Algeria
Yamina Ammi
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, 26 000 Médéa, Algeria
Salah Hanini
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, 26 000 Médéa, Algeria
Maamar Laidi
orcid.org/0000-0002-8977-9895
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, 26 000 Médéa, Algeria
Hamid Zentou
; Department of Chemical and Environmental Engineering, Universiti Putra Malaysia, 43 400 Serdang, Malaysia
Sažetak
U ovoj studiji primijenjene su umjetna neuronska mreža (ANN) i model višestruke linearne regresije (MLR) za razvoj prediktivnih modela za procjenu koeficijenata molekularne difuzije 1252 polarnih i nepolarnih binarnih plinova pri višestrukim tlakovima u širokom rasponu temperatura i tvari. Kvaliteta i pouzdanost svake metode procijenjeni su pomoću korelacijskog koeficijenta (R), srednjih kvadratnih pogrešaka (MSE), korijena srednje kvadratne pogreške (RMSE) te koeficijenata vanjske validacije (Q2ext).
Usporedba između umjetne neuronske mreže (ANN) i višestrukih linearnih regresija (MLR) otkrila je da modeli neuronske mreže pokazuju dobru sposobnost predviđanja s nižim pogreškama (korijeni srednjih kvadratnih pogrešaka u ukupnoj bazi podataka bili su 0,1400 za ANN1 i 0 (1300 za ANN2 a pogreške korijena srednje vrijednosti u ukupnim bazama podataka bile su 0,5172 za MLR1 i 0,5000 za MLR2).
Ovo djelo je dano na korištenje pod licencom Creative Commons Imenovanje 4.0 međunarodna.
Ključne riječi
predviđanje; molekularna difuzija; neuronske mreže; višestruke linearne regresije
Hrčak ID:
228059
URI
Datum izdavanja:
7.12.2019.
Posjeta: 1.882 *