Artificial Neural Networks for Accurate Prediction of Physical Properties of Aqueous Quaternary Systems of Carbon Dioxide (CO<sub>2</sub>)-Loaded 4-(Diethylamino)-2-butanol and Methyldiethanolamine Blended with Monoethanolamine
Notice bibliographique
Résumé
Physical and heat transport properties such as density, viscosity, refractive index, heat capacity, thermal conductivity, and thermal diffusivity of aqueous carbon dioxide (CO 2 )-loaded and unloaded 4-(diethyl amino)-2-buthanol (DEAB) and methyldiethanolamine (MDEA) as single amines and each blended with a primary amine (MEA) were measured at different ranges of temperature (25–60 °C), amine concentrations (0.5–2 M for tertiary amine and 5 M for primary amine), and CO 2 loading (0–0.6 mol/mol amine). Results showed an increasing trend of CO 2 loading on density, viscosity, and refractive index and a decreasing trend on the heat transport properties. Two artificial neural network techniques, back propagation neural network (BPNN) and radial basis neural network (RBFNN) as well as some well-known semi-empirical correlations from literature, were applied to correlate and predict these physical properties for two quaternary systems: MEA+DEAB+water+CO 2 and MEA+MDEA+water+CO 2 . Results from the correlation showed that artificial neural network techniques gave the least deviation for the prediction of all physical properties of both amine systems with less than 1% AAD. The correlation coefficient between the experimental and predicted values in terms of R 2 value was in the range of 0.98–0.99.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».