Метод оптимизации искусственных нейронных сетей для прогнозирования коэффициентов молекулярной диффузии полярных и неполярных бинарных газов

C использованием искусственной нейронной сети разработаны прогностические модели для оценки коэффициентов молекулярной диффузии различных газов в широком диапазоне температур и давлений. Две нейронные сети НС1 и НС2 с обратной связью были обучены с использованием шести физико-химических параметров соответственно: молекулярной массы, критического объема, критической температуры, дипольного момента, температуры, давления и молекулярной массы, критического давления, критической температуры, дипольного момента, температуры и давления. Коэффициенты диффузии рассматривались в качестве выходных данных. Набор из 1252 газов (941 неполярный, 311 полярных) использовался для обучения и тестирования искусственной нейронной сети. Получены хорошие корреляции ($R =0{,}986$ для НС1, $R=0{,}988$ для НС2). Проведен анализ чувствительности шести входных параметров, выбранных для моделирования коэффициента диффузии. Показано, что результаты, полученные с использованием искусственной нейронной сети, являются более точными, чем результаты, полученные по другим моделям.