آنتالپی تبخیر یک ترکیب، یکی از مهم ترین خواص ترمودینامیکی آن محسوب می شود. یک خاصیت فیزیکی که پایه ی محاسبات، آنالیز و طراحی فرآیند های مهندسی شیمی است.  آنتالپی تبخیر که گاهی آن را گرمای نهان تبخیر نیز می نامند، در واقع تفاوت بین آنتالپی بخار اشباع و آنتالپی مایع اشباع در همان دماست. همان انرژی که صرف غلبه بر جاذبه بین مولکولی در فاز مایع و افزایش حجم در فاز بخار می شود.
اگرچه داده های تجربی فراوانی از آنتالپی تبخیر برای ترکیبات رایج در دسترس است ولی اغلب آنها آنتالپی تبخیر  در نقطه ی جوش یا k 298

 است که نمی توانند نیاز های طراحی فرآیند های مهندسی شیمی را برآورده کند. بنا بر این توسعه روش های دقیق تخمین آنتالپی تبخیر در دماهای مختلف لازم است.

روش های نوینی در سال های اخیر معرفی شده اند که نیاز به بررسی و ارتقای بیشتر دارند. بسیاری از روابط بیان شده محدود به همان داده های  تجربی است که به کمک آن ها معادله سازی شده اند. اکثر این روش ها بر اساس داده های تجربی فراوان گزارش شده است. برخی دیگر از این معادلات پیش بینی آنتالپی تبخیر، از شیب معادلات فشار-بخار از قبیل کلاسیوس-کلاپیرون[1] بدست آمده است که دقت آنها وابسته به دقت این روابط است. با مقایسه نتایج محاسباتی با داده های تجربی می توان میزان دقت این روش ها را با یکدیگر مقایسه کرد.  از این رو روش های موجود برای پیشبینی آنتالپی تبخیر قابل بررسی و  تصحیح می باشند.]1[
 
 
 
 
1-2 کلیات تحقیق
هدف از تحقیق:

• مطالعه روش های موجود برای پیش بینی آنتالپی تبخیر مایعات
• مقایسه روش های مختلف برای پیش بینی آنتالپی تبخیر مایعات
• بررسی عملکرد روش های جدید ریاضی

در فصل دوم مدل های کلاسیک پیش بینی آنتالپی تبخیر، دقت و جامعیت آن ها را برحسب مطابقت با داده های تجربی بررسی می کنیم. روش هایی از قبیل پیش بینی آنتالپی تبخیر از معادلات فشار بخار، تخمین آنتالپی تبخیر از قانون حالات متناظر و تخمین آنتالپی تبخیر در نقطه جوش را بیان می کنیم. همچنین تغییرات آنتالپی تبخیر با دما و روابطی که بر این اساس بدست آمده را بررسی می کنیم. سپس روش آنتالپی تبخیر بدون نیاز به دما و فشار بحرانی (بر مبنای دمای جوش و جرم مولکولی و معیار قطبیت) و روش ترکیبی از حالات متناظر و مشارکت گروهی ذکر می شود.
در فصل سوم تعریف جامعی از  چگونگی پیدایش، کاربرد ها و اجزای تشکیل دهنده شبکه عصبی می پردازیم. انواع شبکه ها را معرفی کرده و در مورد شبکه های عصبی چند لایه به خصوص شبکه عصبی چند لایه پیشخور توضیحاتی ارائه می شود. الگوریتم پس انتشار خطا و چگونگی عملکرد آن بررسی می شود.
در فصل چهارم داده های تجربی مختلف را از روی منابع معتبر گرد آوری کرده و پس از بررسی مدل های کلاسیک پیش بینی آنتالپی تبخیر دقت و جامعیت این مدل ها را برحسب مطابقت با داده های تجربی بررسی می کنیم. سپس سعی می شود تا نتایج روش جدیدی چون شبکه های عصبی را با روش های کلاسیک مقایسه کنیم. از نرم افزار Matlab و جعبه ابزارهای آن برای برنامه نویسی استفاده خواهد شد. نتایج آن  برای ارتقای محاسبات مهندسی سودمند خواهد بود.
[1] Clausius-Clapeyron