На Ð¿Ñ€Ð°Ð²Ð°Ñ Ñ€ÑƒÐºÐ¾Ð¿Ð¸ÑÐ¸

54):число итераций 9950, R = 0.9977, RMSE t = 0,0063, RMSE v = 0,0063, где R –
коэффициент корреляции между предсказанными и экспериментальными значениями,
RMSE t и RMSE v – абсолютные среднеквадратичные ошибки для
обучающей и контрольной выборок (г/мл).
Рис. 54. Результаты нейросетевого моделирования зависимости структура –
температура - плотность
Таким образом, нейросетевая модель позволяет определять и прогнозировать
плотность углеводородов произвольной структуры при произвольных значениях
температуры с высокой степенью точности.
7.2.2.3. Моделирование зависимости «структура - температура – динамическая
вязкость»
При построении нейросетевой модели были использованы значения динамической
вязкости (в сантипуазах) углеводородов разнообразной структуры
в температурном интервале от –180 до 300 о С [467, С. 136 - 159]. Для всех
структур из исходной выборки были выделены фрагменты с максимальной
длиной, равной 4 атомам. Все рассчитанные фрагментные дескрипторы и значения
температур затем были подвергнуты модификациям «квадрат величины»,
«логарифм величины», «обратная величина» и «величина, деленная на количество
неводородных атомов в молекуле». Значения динамической вязкости углеводородов
были прологарифмированы.
254