Document IIF
Prévision de la masse volumique du liquide de cinq classes différentes de systèmes de frigorigène (HCFC, HFC, HFE, PFA et PFAA) utilisant la méthode de contribution par groupe de réseaux neuronaux artificiels.
Liquid density prediction of five different classes of refrigerant systems (HCFCs, HFCs, HFEs, PFAs and PFAAs) using the artificial neural network-group contribution method.
Auteurs : MOOSAVI M., SEDGHAMIZ E, ABARESHI M.
Type d'article : Article, Article de la RIF
Résumé
In this work, the densities of 48 refrigerant systems from 5 different categories including hydrochlorofluorocarbons (HCFCs), hydrofluorocarbons (HFCs), hydrofluoroethers (HFEs), perfluoroalkanes (PFAs), and perfluoroalkylalkanes (PFAAs) have been studied using a combined method that includes an artificial neural network (ANN) and a simple group contribution method (GCM). A total of 3825 data points of liquid density at several temperatures and pressures have been used to train, validate and test the model. This study shows that the ANN-GCM model represents an excellent alternative to estimate the density of different refrigerant systems with a good accuracy. The average absolute deviations for train, validation, and test sets are 0.18, 0.26, and 0.28, respectively. A comparison between our results and those obtained from some previous methods shows that as well as generality, this model can predict the density of different refrigerants in a better accord with experimental data up to high temperature, high pressure (HTHP) conditions.
Documents disponibles
Format PDF
Pages : 188-200
Disponible
Prix public
20 €
Prix membre*
Gratuit
* meilleur tarif applicable selon le type d'adhésion (voir le détail des avantages des adhésions individuelles et collectives)
Détails
- Titre original : Liquid density prediction of five different classes of refrigerant systems (HCFCs, HFCs, HFEs, PFAs and PFAAs) using the artificial neural network-group contribution method.
- Identifiant de la fiche : 30012680
- Langues : Anglais
- Sujet : Alternatives aux HFC
- Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 48
- Date d'édition : 12/2014
Liens
Voir d'autres articles du même numéro (23)
Voir la source
Indexation
-
Thèmes :
Frigorigènes, frigoporteurs : généralités;
HCFC;
HFC;
Hydrocarbures - Mots-clés : HCFC; Liquide; Masse volumique; Réseau neuronal artificiel; Prévision; Hydrocarbure; HFC; Éther fluore; Frigorigène
-
A neural network for predicting saturated liqui...
- Auteurs : MOHEBBI A., TAHERI M., SOLTANI A.
- Date : 12/2008
- Langues : Anglais
- Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 31 - n. 8
- Formats : PDF
Voir la fiche
-
Thermodynamic properties of refrigerants using ...
- Auteurs : MORA J. E., PEREZ C., GONZALEZ F. F., et al.
- Date : 10/2014
- Langues : Anglais
- Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 46
- Formats : PDF
Voir la fiche
-
Viscosity prediction for six pure refrigerants ...
- Auteurs : ZHI L. H., HU P., CHEN L. X., et al.
- Date : 04/2018
- Langues : Anglais
- Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 88
- Formats : PDF
Voir la fiche
-
Prediction of global warming potentials of refr...
- Auteurs : DEVOTTA S., CHELANI A., VONSILD A.
- Date : 11/2021
- Langues : Anglais
- Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 131
- Formats : PDF
Voir la fiche
-
A neural network for predicting normal boiling ...
- Auteurs : DENG S., SU W., ZHAO L.
- Date : 03/2016
- Langues : Anglais
- Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 63
- Formats : PDF
Voir la fiche