Solubility prediction of CI Disperse Red 4 and CI Disperse Red 15 in supercritical carbon dioxide based on the back propagation neural network / Jun Yan in COLORATION TECHNOLOGY, Vol. 140, N° 2 (04/2024)  

[article]  inCOLORATION TECHNOLOGY > Vol. 140, N° 2 (04/2024) . - p. 230-238 Titre : Solubility prediction of CI Disperse Red 4 and CI Disperse Red 15 in supercritical carbon dioxide based on the back propagation neural network Type de document : texte imprimé Auteurs : Jun Yan, Auteur ; Shuang Du, Auteur ; Jinhua Hu, Auteur ; Kazuhiro Tamura, Auteur ; Hong Li, Auteur Année de publication : 2024 Article en page(s) : p. 230-238 Note générale : Bibliogr. Langues : Anglais (eng) Catégories : Colorants -- Solubilité Colorants dispersés Catégorie de colorants très peu solubles dans l'eau, utilisés à l'origine comme colorants pour l'acétate, et qui généralement sont appliqués sous forme de suspensions aqueuses de faible concentration.Les colorants dispersés sont largement utilisés dans la teinture de la plupart des fibres manufacturées, surtout le polyester. Dioxyde de carbone Fluides supercritiques Réseaux neuronaux (informatique) Index. décimale : 667.2 Colorants et pigments Résumé : The solubility of 1-amino-2-hydroxy-4-methoxy-anthraquinone (CI Disperse Red 4) and 1-amino-2-hydroxy-anthraquinone (CI Disperse Red 15) in supercritical carbon dioxide was measured using a dynamic method over a temperature range from 343.15 to 373.15 K and a pressure range from 14 to 22 MPa. The experimental data are analysed by using the back propagation neural network constructed by MATLAB. In the back propagation neural network, the input layer consisted of two inputs, which are temperature and pressure, the output layer consisted of the solubility of dyes, and the hidden layer function was composed of a non-linear function. The results of the analysis showed that a good fitting level of 0.99 was obtained, which means that the back propagation neural network can accurately estimate the solubility data in supercritical carbon dioxide. Note de contenu : - EXPERIMENTS : Experimental materials - Apparatus and procedures - Experimental results - BP NEURAL NETWORK MODEL : BP neural network - Derivation of the BP neural network - Training process of the BP neural network - Training results analysis DOI : https://doi.org/10.1111/cote.12706 En ligne : https://drive.google.com/file/d/1-BZUja24GWvPtUQBYlRDIeLSXxxDmMpf/view?usp=drive [...] Format de la ressource électronique : Pdf Permalink : https://e-campus.itech.fr/pmb/opac_css/index.php?lvl=notice_display&id=40939 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
24690	-	Périodique	Bibliothèque principale	Documentaires	Disponible

---

1 (1 - 1 / 1)