شیمی کاربردی، جلد ۱۲، شماره ۴۲، صفحات ۱۸۱-۱۹۶
عنوان فارسی پیش بینی کشش سطحی و خواص سطحی مخلوطهای دوجزئی حاوی مایعات یونی با استفاده از مدلهای ترمودینامیکی و شبکه عصبی مصنوعی
چکیده فارسی مقاله در این مقاله، کشش سطحی و خواص سطحی سیستمهای دو جزئی حاوی الکل (متانول و اتانول) و مایع یونی{1- بوتیل پیریدینیوم تترا فلوئورو بورات(1-bptf)، 1- بوتیل -3- متیل پیریدینیوم تترا فلوئورو بورات(1-b-3-mptf)، 1- بوتیل -4- متیل پیریدینیوم تترا فلوئورو بورات (1-b-4-mptf)} با استفاده از مدلهای تئوری و ترمودینامیکی در دماهای بین15/293 تا 15/323کلوین تعیین شدند. ابتدا مدل های ترمودینامیکی از قبیل مدل فو و همکاران(FLW ) و مدل مایزر-اسکات ((MS همبستگی کشش سطحی و انحراف کشش سطحی از حالت ایده آل با غلظت مورد بررسی قرار گرفت و در یک دیدگاه جدید با استفاده ضرایب حاصل از مدل FLW انرژی برهمکنش بین الکل با مایع یونی(U21) محاسبه شد. نتایج نشان می دهد در اکثر موارد مقدار U21 در یک دمای ثابت و الکل ثابت( مانند متانول یا اتانول) با افزایش اندازه بخش کاتیونی مایع یونی افزایش می یابد. سپس استفاده از مدل شبکه عصبی مصنوعی (ANN)به عنوان یک مدل کاربردی برای پیش­بینی کشش سطحی استفاده شد و نتایج با روش های ترمودینامیکی مورد مقایسه قرار گرفت که نتایج ANN بهترین توافق را با داده های تجربی داشت. میانگین خطای بدست آمده از مقایسه داده­های تجربی با نتایج حاصل از سه مدل تئوری ANN) و(FLW, MS برای سیستم های دوتایی کمتر از 3/5% است. نتایج حاصله از این مطالعه اطلاعات مفیدی در مورد برهمکنش اجزاء در فاز سطح و توده محلول ارائه می کند.
کلیدواژه‌های فارسی مقاله ، کشش سطحی، MS، شبکه عصبی مصنوعی، FLW،
عنوان انگلیسی Prediction of Surface Tension and Surface Properties of binary mixtures Containing Ionic Liquids Using Thermodynamics and Artificial Neural Network Models
چکیده انگلیسی مقاله In this paper, surface tension and surface properties of binary mixtures containing alcohol (methanol and ethanol) ionic liquid (1-bptf, 1-b-3-mptf and 1-b-4-mptf)) have been determined using thermodynamics and theoretical methods at various temperatures (293.15-323.15) K. First, the surface tension and the surface tension deviation data over the whole mole fraction range are correlated by thermodynamic based models: Fu et al. (FLW) and Myers-Scott (MS), respectively, and then a new approach, the interaction energy between alcohol and ionic liquid (U12) has been calculated with the results of FLW model. The results show that at fixed temperatures in each system, the value of U21 increased by increasing the size of the ionic liquid cation. Second, the surface tension was predicted by using artificial neural network (ANN) method and the results were compared with thermodynamics method. On comparing the computed values of surface tension (by three methods of FLW, MS and ANN) with experimental data, satisfactory results have been observed (the mean relative standard deviations obtained from the comparison are less than 3.5%). However, among the applied methods, ANN shows the best agreement between the experimental and predicted data because it finds the best nonlinear relationship between the mole fraction and either surface tension or surface tension deviation. The results of this study provide useful information on the component interactions in the surface and the bulk phases.
کلیدواژه‌های انگلیسی مقاله Surface tension, MS, Artificial neural network, FLW
نویسندگان مقاله احمد باقری |
دانشگاه سمنان
سازمان اصلی تایید شده: دانشگاه سمنان (Semnan university)

میترا همتیان |
دانشگاه سمنان
سازمان اصلی تایید شده: دانشگاه سمنان (Semnan university)

سیده مریم سجادی | seyedeh maryam
دانشگاه سمنان
سازمان اصلی تایید شده: دانشگاه سمنان (Semnan university)

نشانی اینترنتی http://chemistry.journals.semnan.ac.ir/article_788_fe6d28f92d09028ec1ab1be7cb6f785b.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/932/article-932-340297.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات