Cтраница 1
Предсказание равновесия жидкость - пар в смесях углеводородов. [1]
Качество предсказания парэжидкостного равновесия повышается с уменьшением интервала разности температур кипения крайних членов гомологических рядов матриц базовых смесей от 50 - 80 С. [2]
Главной задачей предсказания равновесия в разбавленных растворах является вычисление коэффициентов активности микрокомпонента при бесконечном его разведении. Эта величина зависит от температуры и связана с константой Генри соотношением K. [3]
Рассмотрение результатов предсказания равновесия жидкость-пар показывает, что для большинства систем, не включающих воду, по всем трем вариантам получается хорошее совпадение рассчитанных и опытных данных. Преимущество в точности при расчетах по первому и второму вариантам по сравнению с третьим незначительно и находится в пределах обычных погрешностей опыта. [4]
Обсудим теперь возможности предсказания равновесия. [5]
Определенные трудности возникают с предсказанием равновесий жидкость - жидкость по данным о взаимной растворимости компонентов, а также с одновременным представлением данных 0 равновесии жидкость - пар, жидкость - жидкость и теплотах смешения. [6]
Метод, разработанный Нерн-стом для предсказания равновесия, основывается на так называемой тепловой теореме Нернста ( которая позже развилась в третий закон термодинамики) и на использовании так называемых химических постоянных. Этот метод был впоследствии почти полностью вытеснен более простыми и более логическими методами, использующими третий закон. [7]
Двумя основными задачами химии являются предсказание равновесий обратимых реакций и предсказание скоростей реакций, протекающих только в одном направлении. В этой главе мы рассмотрим возможное влияние сверхсопряжения на химические равновесия и скорости. [8]
Например, правило фаз, используемое для предсказания равновесия во многих технологически важных системах, для процессов экстракции неорганических соединений применимо только в исключительных случаях. Хотя в экстракционном равновесии газовой фазой обычно пренебрегают, а давление и температура поддерживаются постоянными, на практике исследователь имеет дело с неорганическими системами, включающими множество компонентов. Расчет таких систем и получаемые диаграммы очень сложны. Закономерности, полученные из законов, основанных на коллигативных свойствах разбавленных растворов, ограничены простейшими системами. [9]
Предсказание скоростей реакций представляет еще большие трудности, чем предсказания равновесий, поскольку скорость химической реакции определяется разностью энергий реагентов и промежуточного переходного состояния, строение которого нельзя исследовать непосредственно с помощью экспериментальных методов. В идеале мы могли бы устанавливать структуры переходных состояний теоретически, рассчитывая полную поверхность потенциальной энергии для реагирующей системы и находя самый легкий путь протекания реакции; высшая точка на этом пути соответствует переходному состоянию. Можно надеяться, что вычисления такого типа станут реальными в очень недалеком будущем ( см. гл. Поэтому необходимо разработать какой-то альтернативный подход для интерпретации скоростей химических реакций на основании строения реагентов. [10]
Метод групповых вкладов ASOG применен Унно и др. [701] для предсказания равновесия жидкость - твердое вещество для нескольких органических систем. [11]
Уравнение Вильсона является полуэмпирическим, поэтому представляет интерес проведение проверки применимости данного уравнения для предсказания многокомпонентных равновесий на модельных смесях. [12]
На примере водных растворов этилового, пропиловых, бутиловых и пентиловых спиртов выполнено сравнение предсказания равновесий на основе известных методов с предлагаемым. Показано, что в случае многофазных многокомпонентных равновесий использование гибридных нейронных сетей позволяет упростить решение и повысить точность предсказания. [13]
В этой работе было предсказано фазовое равновесие для псевдотройной смеси, а затем результаты были использованы для предсказания равновесия многокомпонентной смеси. [14]
В частности, для решения задачи расчета разделения гетероазеотропных смесей методом ректификации предлагается гибридная нейронная сеть для предсказания многокомпонентных равновесий жидкость-жидкость-пар. Обучение нейронной сети производится на основе принципа обратного распространения ошибок по экспериментальным данным с использованием оценочной функции. [15]