МОДЕЛИ В ФИЗИКЕ И ТЕХНОЛОГИИ
Моделирование реологических характеристик водных суспензий на основе наноразмерных частиц диоксида кремния
Л. Н. Марченкоab,
Я. А. Косенокa,
В. Е. Гайшунa,
Ю. В. Бруттанcb a Гомельский государственный университет имени Франциска Скорины,
Беларусь, 246028, г. Гомель, ул. Советская, д. 104
b Научно-образовательный математический центр «Северо-Западный центр математических исследований имени Софьи Ковалевской» Псковского государственного университета,
Россия, 180000, г. Псков, пл. Ленина, д. 2
c Псковский государственный университет,
Россия, 180000, г. Псков, пл. Ленина, д. 2
Аннотация:
Реологическое поведение водных суспензий на основе наноразмерных частиц диоксида кремния сильно зависит от динамической вязкости, которая непосредственно влияет на применение наножидкостей. Целью данной работы являются разработка и валидация моделей для прогнозирования динамической вязкости от независимых входных параметров: концентрации диоксида кремния SiO
$_{2}$, кислотности рН, а также скорости сдвига
$\gamma$. Проведен анализ влияния состава суспензии на ее динамическую вязкость. Выявлены статистически однородные по составу группы суспензий, в рамках которых возможна взаимозаменяемость составов. Показано, что при малых скоростях сдвига реологические свойства суспензий существенно отличаются от свойств, полученных на более высоких скоростях. Установлены значимые положительные корреляции динамической вязкости суспензии с концентрацией SiO
$_{2}$ и кислотностью рН, отрицательные — со скоростью сдвига
$\gamma$. Построены регрессионные модели с регуляризацией зависимости динамической вязкости
$\eta$ от концентраций SiO
$_{2}$, NaOH, H
$_{3}$PO
$_{4}$, ПАВ (поверхностно-активное вещество), ЭДА (этилендиамин), скорости сдвига
$\gamma$. Для более точного прогнозирования динамической вязкости были обучены модели с применением алгоритмов нейросетевых технологий и машинного обучения (многослойного перцептрона MLP, сети радиальной базисной функции RBF, метода опорных векторов SVM, метода случайного леса RF). Эффективность построенных моделей оценивалась с использованием различных статистических метрик, включая среднюю абсолютную ошибку аппроксимации (MAE), среднюю квадратическую ошибку (MSE), коэффициент детерминации
$R^{2}$, средний процент абсолютного относительного отклонения (AARD%). Модель RF показала себя как лучшая модель на обучающей и тестовой выборках. Определен вклад каждой компоненты в построенную модель, показано, что наибольшее влияние на динамическую вязкость оказывает концентрация SiO
$_{2}$, далее кислотность рН и скорость сдвига
$\gamma$. Точность предлагаемых моделей сравнивается с точностью ранее опубликованных в литературе моделей. Результаты подтверждают, что разработанные модели можно рассматривать как практический инструмент для изучения поведения наножидкостей, в которых используются водные суспензии на основе наноразмерных частиц диоксида кремния.
Ключевые слова:
наножидкость, концентрация SiO
$_{2}$, кислотность рН, динамическая вязкость, регрессия, нейронные сети, машинное обучение
УДК:
004.85, 546.28
Поступила в редакцию: 27.07.2024
Исправленный вариант: 16.09.2024
Принята в печать: 24.09.2024
DOI:
10.20537/2076-7633-2024-16-5-1217-1252