Viskositas：多组分化学体系的黏度预测

在冶金、玻璃工业及其生产过程以及地球物理学领域，黏度起着基础性作用。由于其实验测量在费用上昂贵，且在时间上亦然，已构建若干数学模型以根据化学组成与温度等变量在线性与非线性模型中提供黏度结果。为通过人工神经网络调节超参数以建立非线性模型，从而针对化学体系与温度提供可靠黏度预测，我们构建了一个数据库。所产出的模型命名为Viskositas，在与文献中不同模型及1个商业模型比较时，对测试数据库展现了更优的均值绝对误差、标准差和决定系数统计评价，以更低误差、更小变异性和更少离群值生成提供预测。