فصـل اول : مقدمه وکلیات تحقیق.. 1
1-1-مقدمه. 2
1-2-تعریف فشار بخار 2
1-3–عوامل مؤثر برفشار بخار 3
1-3-1-ماهیت مایع. 3
1-3-2-دمای مایع. 3
1-4-بیان مسأله. 3
1-5-توجیه ضرورت انجام تحقیق.. 4
1-6-اهداف تحقیق.. 4
1-7-مراحل انجام تحقیق.. 4
1-8-ساختار تحقیق.. 5
فصل دوم:ادبیات و پیشینه تحقیق.. 7
2-1-مقدمه. 8
2-2-روابط ریاضی تخمین وپیش بینی فشاربخار مواد مختلف.. 9
2-2-1-معادله کلازیوس-کلاپیرون. 9
2-2-2-معادله آنتوان. 10
2-2-2-1-محدودیت های معادله آنتوان. 10
2-2-3-معادله آنتوان توسعه یافته. 10
2-2-4-معادله واگنر. 11
2-2-4-1-محدودیت های معادله واگنر. 12
2-2-5-رابطه حالتهای متناظر ریدل. 12
2-2-6-معادله لی-کسلر. 14
2-2-6-1-محدودیت های رابطه لی-کسلر. 15
2-2-7-معادله فشاربخار آمبروز-پاتل. 15
2-2-7-1-ملاحظات معادله آمبروز-پاتل. 16
2-2-8-روش حالتهای متناظر آمبروز-والتون. 16
2-3-اهمیت روش های نوین پیش بینی و تخمین خواص مواد. 17
2-4-پیشینه روش شبکه های عصبی در تخمین خواص ترمودینامیکی.. 18
2-5-پیش بینی فشاربخار مواد با بهره گرفتن از شبکه عصبی مصنوعی.. 19
فصل سوم: روش تحقیق.. 21
3-1-مقدمه. 22
3-2-تاریخچه پیدایش شبکه های عصبی مصنوعی.. 22
3-3-ویژگی های شبکه های عصبی مصنوعی.. 24
3-3-1-قابلیت آموزش.. 24
3-3-2-قابلیت تعمیم. 24
3-3-3-پردازش توزیعی(موازی) 24
3-3-4-تحمل پذیری خطا 25
3-4-ساختار شبکه‌ها‌ی عصبی مصنوعی.. 25
3-4-1-مدل نرون با یک ورودی.. 25
3-4-2- مدل نرون با یک بردار به عنوان ورودی.. 26
3-4-3-ساختار یک لایه از شبکه های عصبی.. 27
3-4-4-شبکه های چندلایه. 27
3-4-5-توابع انتقال. 28
3-4-5-1-تابع انتقال سخت محدود. 29
3-4-5-2-تابع انتقال خطی.. 29
3-4-5-3-تابع انتقال لگاریتمی سیگموئید. 30
3-4-5-4-تابع انتقال شعاع مبنا 30
3-4-5-5-تابع انتقال آستانه ای خطی متقارن. 31
3-4-5-6-تابع انتقال تانژانت-سیگموئید. 31
3-5-روش های آموزش شبکه عصبی.. 32
3-6-قواعد یادگیری شبکه های عصبی.. 32
3-6-1-قواعد یادگیری نظارت شده 32
3-6-2-قواعد یادگیری غیرنظارتی.. 33
3-7- شبکه های عصبی پرسپترون. 33
3-7-1-محدودیت های شبکه پرسپترون. 34
3-8- شبکه های عصبی پیشخور 35
3-9-الگوریتم پس انتشار خطا 36
3-10-آموزش شبکه های پس انتشار 37
3-11-بیش برازش شبکه. 37
3-12-بهبود عمومیت شبکه. 38
3-13-پارامترهای اساسی برای طراحی یک شبکه عصبی.. 39
3-13-1-انتخاب مناسب ترین اطلاعات ورودی به شبکه. 39
3-13-2-نحوه ورود داده ها 39
3-13-3-تقسیم بندی داده ها 39
3-13-4-انتخاب مناسب ترین تعداد نرون های لایه پنهان. 40
3-12-معیارهای ارزیابی کارایی مدل. 40
3-12-نرم افزار استفاده شده در این تحقیق.. 41
فصل 4: محاسبات و یافته های تحقیق.. 42
4-1-مقدمه. 43
4-2-طراحی شبکه عصبی مصنوعی برای هیدروکربن های آروماتیکی.. 43
4-3- طراحی شبکه عصبی مصنوعی برای آلکان ها و آلکن ها 52
4-4- طراحی شبکه عصبی مصنوعی برای الکل ها .6
4-5- طراحی شبکه عصبی مصنوعی برای آلکیل سیکلو هگزان ها 68
فصل پنجم: نتیجه گیری و پیشنهادها 77
5-1-نتیجه گیری.. 78

5-2-پیشنهادات برای تحقیقات آتی.. 79
مراجع. 80
چکیده انگلیسی.. 86

فهرست جداول­

عنوان                                                                                                                                        صفحه

جدول 4- 1: مشخصات داده های تجربی درنظرگرفته شده برای هیدروکربن های آروماتیکی.. 44
جدول 4- 2بررسی خطاوضریب تعیین ساختار مختلف شبکه های عصبی برای هیدروکربن های آروماتیکی.. 46
جدول 4- 3: مقایسه خطای مطلق میانگین روابط متعارف پیش بینی فشاربخار و روش شبکه عصبی برای هیدروکربن های آروماتیکی.. 51
جدول 4- 4: خلاصه شبکه عصبی طراحی شده برای گروه هیدروکربن های آروماتیکی.. 52
جدول 4- 5: مشخصات داده های تجربی درنظرگرفته شده برای آلکان ها و آلکن ها 53
جدول 4- 6: بررسی میزان خط و ضریب تعیین ساختار مختلف شبکه های عصبی برای آلکان ها و آلکن ها 54
جدول 4- 7: مقایسه خطای مطلق میانگین روابط متعارف پیش بینی فشاربخار و روش شبکه عصبی برای آلکان ها و آلکن ها 59
جدول 4-8: خلاصه شبکه عصبی طراحی شده برای گروه آلکان ها و آلکن ها 60
جدول 4- 9: مشخصات داده های تجربی درنظرگرفته شده برای الکل ها 61
جدول 4- 10: بررسی میزان خطا وضریب تعیین ساختار مختلف شبکه های عصبی برای الکل ها 62
جدول 4- 11: مقایسه خطای مطلق میانگین روابط متعارف پیش بینی فشاربخار و روش شبکه عصبی برای الکل ها 67
جدول 4- 12: خلاصه شبکه عصبی طراحی شده برای گروه الکل ها 68
جدول 4- 13: مشخصات داده های تجربی درنظرگرفته شده برای آلکیل سیکلوهگزان ها 69
جدول 4- 14: بررسی میزان خطا وضریب تعیین ساختارمختلف شبکه های عصبی برای آلکیل سیکلوهگزان ها 70
جدول 4- 15: مقایسه خطای مطلق میانگین روابط متعارف پیش بینی فشاربخار و روش شبکه عصبی برای آلکیل سیکلو هگزان ها 75
جدول 4- 16: خلاصه شبکه عصبی طراحی شده برای گروه آلکیل سیکلو هگزان ها 76
 
فهرست شکل­ها
عنوان                                                                                                                                         صفحه
شکل 3- 1: نمایی از مدل نرون تک ورودی.. 26
شکل 3- 2:مدل نرون با R ورودی.. 27
شکل 3- 3:یک لایه از شبکه های عصبی.. 27
شکل 3- 4: مدل خلاصه شده شبکه تک لایه. 27
شکل 3- 5: مدل شبکه های چند لایه. 28
شکل 3- 6: تابع انتقال سخت محدود. 29
شکل 3- 7: تابع انتقال خطی.. 29
شکل 3- 8: تابع انتقال لگاریتمی سیگموئید. 30
شکل 3- 9: تابع انتقال شعاع مبنا 30
شکل 3- 10: تابع انتقال آستانه ای خطی متقارن. 31
شکل 3- 11:تابع انتقال تانژانت-سیگموئید. 31
شکل 3- 12:یک نرون پرسپترون. 34
شکل 4- 1: تغییرات میزان خطای مطلق میانگین با افزایش نرون در لایه پنهان برای  هیدروکربن های آروماتیکی   47
شکل 4- 2: ساختار بهینه شبکه عصبی برای هیدروکربن های آروماتیکی.. 47
شکل 4- 3: خطای مربعات میانگین شبکه در مراحل آموزش، ارزیابی و تست برای هیدروکربن های آروماتیکی.. 48
شکل 4- 4: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله آموزش برای هیدروکربن های آروماتیکی.. 49
شکل 4- 5: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله ارزیابی برای هیدروکربن های آروماتیکی.. 49
شکل 4- 6: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله تست برای هیدروکربن های آروماتیکی.. 50
شکل 4- 7: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در کل مراحل برای هیدروکربن های آروماتیکی.. 50
شکل 4- 8: تغییرات میزان خطای مطلق میانگین با افزایش نرون در لایه پنهان برای آلکان ها و آلکن ها 55
شکل 4- 9: ساختار بهینه شبکه عصبی برای آلکان ها و آلکن ها 55
 
 
 
شکل 4- 10: خطای مربعات میانگین شبکه در مراحل آموزش،ارزیابی و تست برای آلکان ها و آلکن ها 56
شکل 4- 11: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله آموزش برای آلکان ها و آلکن ها 57
شکل 4-12: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله ارزیابی برای آلکان ها و آلکن ها 57
شکل 4- 13: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله تست برای آلکان ها و آلکن ها 58
شکل 4- 14: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در کل مراحل برای آلکان ها و آلکن ها 58
شکل 4- 15: تغییرات میزان خطای مطلق میانگین با افزایش نرون در لایه پنهان برای الکل ها 63
شکل 4- 16: ساختار بهینه شبکه عصبی برای الکل ها 63
شکل 4- 17: خطای مربعات میانگین شبکه در مراحل آموزش،ارزیابی و تست برای الکل ها 64
شکل 4- 18: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله آموزش برای الکل ها 65
شکل 4- 19: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله ارزیابی برای الکل ها 65
شکل 4- 20: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله تست برای الکل ها 66
شکل 4- 21: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در کل مراحل برای الکل ها 66
شکل 4- 22: تغییرات میزان خطای مطلق میانگین با افزایش نرون در لایه پنهان برای آلکیل سیکلوهگزان ها 71
شکل 4- 23: ساختار بهینه شبکه عصبی برای آلکیل سیکلوهگزان ها 71
شکل 4- 24: خطای مربعات میانگین شبکه در مراحل آموزش،ارزیابی و تست برای آلکیل سیکلوهگزان ها 72
شکل 4- 25: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله آموزش برای آلکیل سیکلوهگزان ها 73
شکل 4- 26: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله ارزیابی برای آلکیل سیکلوهگزان ها 73
شکل 4- 27: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله تست برای آلکیل سیکلوهگزان ها 74
شکل 4- 28: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در کل مراحل برای آلکیل سیکلوهگزان ها 74
 
 
فصل اول
مقدمه و کلیات تحقیق
1-1-مقدمه
فشار بخار خاصیت ترمودینامیکی مهمی در بسیاری از فرایند های مختلف مهندسی شیمی نظیر تعادل شیمیایی، تقطیر ، تبخیر و مانند آنها به شمار می رود. تعیین این مشخصه می تواند به محاسبه مشخصات مهم دیگری نظیر انتالپی تبخیر بیانجامد. در صنایع نفت وگاز هم تعیین فشار بخار دارای اهمیت ویژه ای می باشد. در این حوزه در دو مورد عمده با فشار بخار برخورد می شود؛ یکی از این موارد، فشار بخار در مخازن می باشد. یکی از روش های مهم برای تقسیم بندی انواع مخازن نگهداری سیالات در صنعت نفت و گاز، تقسیم بندی آنها بر اساس فشار بخار سیالات مورد نظر می باشد. برای هر محدوده از فشار بخار مواد (فشار پایین، فشار متوسط، فشار بالا) از انواع مخصوصی از مخازن استفاده می شود. به عنوان مثال برای سیالات با فشار بخار پایین، از مخازن سقف ثابت استفاده می شود. برای سیالات با فشاربخار متوسط، مخازن سقف متحرک یا به عبارتی سقف شناور مورد استفاده قرار می گیرد.
فشار بخار محصولات مایع، از دیگر مواردی است که در صنعت مورد اندازه گیری واقع می شود. یکی از راه های اندازه گیری غیر مستقیم میزان سرعت تبخیر حلال های نفتی فرار، فشار بخار آن ها می باشد.محصولات تولیدی پالایشگاه نیز می بایست دارای مشخصات ویژه ای بوده و استانداردهایی در آن ها رعایت شده باشد تا در بازارهای جهانی امکان حضور و فروش خوب داشته باشد. بر همین اساس میزان فشاربخار از جمله مهمترین خصوصیت های مورد توجه است که علاوه بر کیفیت و قیمت از نقطه نظر ایمنی هنگام انتقال و ذخیره سازی نیز بسیار مهم می باشد و همواره مورد آزمایش و کنترل واقع می شود. از این رو اهمیت تعیین دقیق فشاربخار سیالات در حوزه صنایع نفت برکسی پوشیده نیست.
1-2-تعریف فشار بخار
فشار بخار به صورت فشار جزئی اعمال شده توسط بخار بالای سطح مایع تعریف می شود که این بخار در یک دمای معینی با مایع به تعادل می رسد. زمانی كه لحظه ی تعادل نزدیک می شود، تعداد مولكول های بخار شده با تعداد مولكول های متراكم شده برابر می شود. در واقع سرعت تبخیر با سرعت تراكم برابر می گردد و فشار مشخص شده در این حالت، فشار بخار آن مایع در آن دما است.] 1 [
1-3-عوامل مؤثر بر فشار بخار
در کل فشار بخار یک مایع به دو عامل زیر بستگی دارد:

• ماهیت و طبیعت مایع
• دمای مایع

1-3-1- ماهیت مایع
مایعاتی که دارای نیروهای بین مولکولی ضعیفی هستند، فرارترند و فشار بخار بالاتری دارند. برای مثال، فشار بخار اتیل الکل بیشتر از فشار بخار آب است.
1-3-2-دمای مایع
فشار بخار با افزایش دما، افزایش می یابد. این مسئله بدین علت است که با افزایش دما، سرعت تبخیر نیز، افزایش می یابد.
1-4-بیان مسأله
فشار بخار مواد مختلف  از جمله خواص مورد نیاز برای انجام محاسبات مهندسی شیمی نظیر محاسبات تعادلی و عملیات واحد مهندسی شیمی است که پژوهشهای فراوانی در مورد آن  در حال انجام است. رایج ترین روش های تعیین فشاربخار شامل اندازه گیری های آزمایشگاهی، معادله های حالت، روابط تجربی و روابط بر مبنای قانون حالت های متناظر می باشند. ضرورت محاسبه فشاربخار با بهره گرفتن از روابط ریاضی زمانی افزایش می یابد که داده های آزمایشگاهی در دسترس نباشد. از آنجایی که شرایط بسیاری از فرایندهای شیمیایی به گونه ای است که عملاً تعیین فشار بخار مواد به صورت تجربی امکان پذیر نمی باشد و اندازه گیری آن در برخی فشارها ودماهای خاص سخت ومقادیر به دست آمده خیلی قابل اعتماد نیست، لذا ارائه مدل ها و روش های پیش بینی فشار بخار، سهم عمده ای در تعیین این خاصیت ترمودینامیکی خواهند داشت. بنابراین روش های پرشماری برای پیش بینی این مشخصه  ارائه شده اند و هر ساله روش های جدیدتری معرفی و یا روش های قدیمی تصحیح می شوند. ] 5-2 [
 
1-5-توجیه ضرورت انجام تحقیق
از آنجایی که بسیاری از روابط تجربی ویا روابط حالت های متناظر دارای محدودیت هایی در تعیین فشار بخار هستند و برای تعیین فشار بخار در تمام محدوده دمایی مورد نیاز قابل استفاده نیستند ودقت قابل قبولی ندارند از این رو استفاده از روش های جدیدی كه به دور از این محدودیت ها باشند ،توصیه می گردد. یکی از روش های مدلسازی که در سالهای اخیر مورد توجه بسیاری از محققین در علوم مختلف واقع شده است، مدلسازی به روش شبکه عصبی مصنوعی می باشد. شبكه های عصبی مصنوعی به عنوان زیر مجموعه ای از روش های هوش مصنوعی، با ساختار و عملکردی شبیه به مغز انسان در طیف وسیعی برای حل بسیاری از مسائل شامل ارزیابی، بهینه سازی، پیش بینی، تشخیص و كنترل مورد استفاده قرار می گیرند.] 6 [ یكی از مزیت های استفاده از شبكه های عصبی مصنوعی نسبت به مدل های قدیمی این است كه نیازمند تعیین یک تابع خاص برای بیان رابطه میان داده های ورودی و خروجی نیست.  رابطه بین داده های ورودی و خروجی ازطریق فرایند آموزش به دست می آید. ] 7 [
 
1-6-اهداف تحقیق

• مطالعه روش های مختلف برای محاسبه فشار بخار
• بررسی میزان دقت و چگونگی اعمال روش های موجود برای محاسبه فشار بخار مواد مختلف