ابوالفضل محمدی - دانشکده فنی و مهندسی، دانشگاه بجنورد، ایران
زینب عرب اسدی - دانشکده علوم پایه، دانشگاه بجنورد، ایران
علیرضا جهانگیری - دانشکده فنی و مهندسی، دانشگاه شهرکرد، ایران
علی اصغر یاری فرد - دانشکده فنی و مهندسی، دانشگاه بجنورد، ایران

شبهکلاتریتها ساختارهایی جدید از هیدراتهای گازی هستند که شرایط ترمودینامیکی تشکیل هیدرات گازی در آنها از هیدراتهای کلاتریت بسیار راحتتر است. مدلهای ارایهشده برای پیشبینی شرایط ترمودینامیکی شبهکلاتریتها انگشتشماراند. در کار حاضر از ابزار شبکه عصبی مصنوعی با ساختار پرسپترون چندلایه برای پیشبینی شرایط ترمودینامیکی تشکیل هیدرات شبهکلاتریت برای سیستمهای آب + تترا ان- بوتیل آمونیوم کلراید(TBAC) + متان/ کربندیاکسید/ نیتروژن استفاده شده است. محدودهای وسیع از دادههای ترمودینامیکی موجود در مقالات، شامل ۱۹۵ داده آزمایشگاهی، برای توسعه این مدل ترمودینامیکی و از TBAC با غلظت های ۰ تا ۱۸/۳۶% وزنی برای آموزش شبکه استفاده شد. ۸۵% از دادههای آزمایشگاهی استفادهشده در این مقاله برای آموزش شبکه عصبی مصنوعی توسعهدادهشده به کار گرفته شد. برای آزمودن شبکه توسعهدادهشده، تعدادی داده آزمایشگاهی مستقل که در آموزش شبکه از آنها استفاده نشده است به کار رفت. نتایج پیشبینیهای شبکه عصبی توسعهدادهشده نشان دادند که این پیشبینیها و داده های آزمایشگاهی تطابقی خوب دارند.

شبهکلاتریتها, TBAC, شبکه عصبی, هوش مصنوعی, هیدراتهای گازی