RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      KCI등재 SCIE SCOPUS

      Development of artificial neural network models for supercritical fluid solvency in presence of co-solvents

      한글로보기

      https://www.riss.kr/link?id=A104480799

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      다국어 초록 (Multilingual Abstract)

      This paper presents the application of artificial neural networks (ANN) to develop new models of liquidsolvent dissolution of supercritical fluids with solutes in the presence of cosolvents. The neural network model of theliquid solvent dissolution of...

      This paper presents the application of artificial neural networks (ANN) to develop new models of liquidsolvent dissolution of supercritical fluids with solutes in the presence of cosolvents. The neural network model of theliquid solvent dissolution of CO2 was built as a function of pressure, temperature, and concentrations of the solutesand cosolvents. Different experimental measurements of liquid solvent dissolution of supercritical fluids (CO2) withsolutes in the presence of cosolvents were collected. The collected data are divided into two parts. The first part wasused in building the models, and the second part was used to test and validate the developed models against the Peng-Robinson equation of state. The developed ANN models showed high accuracy, within the studied variables range,in predicting the solubility of the 2-naphthol, anthracene, and aspirin in the supercritical fluid in the presence and absenceof co-solvents compared to (EoS). Therefore, the developed ANN models could be considered as a good tool in predictingthe solubility of tested solutes in supercritical fluid.

      더보기

      참고문헌 (Reference)

      1 K. Cheng, 214 : 169-, 2003

      2 M. Sauceau, 31 : 133-, 2004

      3 S. T. Ting, 32 : 1471-, 1993

      4 N. R. Foster, 32 : 2849-, 1993

      5 M. P. Ekart, 39 : 235-, 1993

      6 C. R. Yonker, 92 : 2374-, 1938

      7 E. M. El-M. Shokir, 45 : 41-, 2006

      8 J. Jin, 50 : 801-, 2005

      9 J. B. Hannay, 29 : 324-, 1879

      10 R. Dohrn, 106 : 213-, 1995

      1 K. Cheng, 214 : 169-, 2003

      2 M. Sauceau, 31 : 133-, 2004

      3 S. T. Ting, 32 : 1471-, 1993

      4 N. R. Foster, 32 : 2849-, 1993

      5 M. P. Ekart, 39 : 235-, 1993

      6 C. R. Yonker, 92 : 2374-, 1938

      7 E. M. El-M. Shokir, 45 : 41-, 2006

      8 J. Jin, 50 : 801-, 2005

      9 J. B. Hannay, 29 : 324-, 1879

      10 R. Dohrn, 106 : 213-, 1995

      11 F. Gharagheizi, 50 : 221-, 2011

      12 S. Guha, 4736 : 1-, 2001

      13 A. Chafer, 32 : 89-, 2004

      14 Z. Huang, 49 : 1323-, 2004

      15 A. Berna, 20 : 157-, 2001

      16 A. Chafer, 24 : 103-, 2002

      17 H. Yang, 33 : 99-, 2005

      18 H. Bae, 222 : 119-, 2004

      19 L. Qunsheng, 207 : 183-, 2003

      20 J. Jin, 226 : 9-, 2004

      21 J. Chrastil, 86 : 3016-, 1982

      22 M. A. McHugh, "Supercritical fluid extraction: Principles and practice" Butterworth-Heinemann 1986

      23 L.T. Taylor, "Supercritical fluid extraction" Wiley 1996

      24 E.M. El-M. Shokir, "Selection and evaluation EOR method using artificial intelligent" 2002

      25 S. Haykin, "Neural networks: A comprehensive foundation" Prentice Hall 1998

      26 E.M. El-M. Shokir, "Neural Network Determines Shaly-Sand Hydrocarbon Saturation" 2001

      27 Zeting Zhang, "Modeling of the Solubility of Solid Solutes in Supercritical CO2 with and without Cosolvent using Solution Theory" 한국화학공학회 21 (21): 1173-1177, 2004

      28 G. Brunner, "Gas extraction: An introduction to fundamentals of supercritical fluids and the application to separation processes" Springer 1994

      29 L. Fausett, "Fundamentals of neural networks, architectures, algorithms, and applications" Prentice Hall 1994

      더보기

      동일학술지(권/호) 다른 논문

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      인용정보 인용지수 설명보기

      학술지 이력

      학술지 이력
      연월일 이력구분 이력상세 등재구분
      2023 평가예정 해외DB학술지평가 신청대상 (해외등재 학술지 평가)
      2020-01-01 평가 등재학술지 유지 (해외등재 학술지 평가) KCI등재
      2016-06-21 학술지명변경 한글명 : The Korean Journal of Chemical Engineering -> Korean Journal of Chemical Engineering
      외국어명 : The Korean Journal of Chemical Engineering -> Korean Journal of Chemical Engineering
      KCI등재
      2011-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2009-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2007-09-27 학회명변경 영문명 : The Korean Institute Of Chemical Engineers -> The Korean Institute of Chemical Engineers KCI등재
      2007-09-03 학술지명변경 한글명 : The Korean Journal of Chemical Engineeri -> The Korean Journal of Chemical Engineering
      외국어명 : The Korean Journal of Chemical Engineeri -> The Korean Journal of Chemical Engineering
      KCI등재
      2007-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2005-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2002-01-01 평가 등재학술지 선정 (등재후보2차) KCI등재
      1999-07-01 평가 등재후보학술지 선정 (신규평가) KCI등재후보
      더보기

      학술지 인용정보

      학술지 인용정보
      기준연도 WOS-KCI 통합IF(2년) KCIF(2년) KCIF(3년)
      2016 1.92 0.72 1.4
      KCIF(4년) KCIF(5년) 중심성지수(3년) 즉시성지수
      1.15 0.94 0.403 0.14
      더보기

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼