数据集概述
本数据集记录了地质条件下二氧化碳（CO₂）与十四烷、十六烷等长链液态正构烷烃（碳数≥14）混合物的体积变化实验数据，包含CO₂临界点附近观测到的体积膨胀突变现象，以及基于反向传播神经网络（BPNN）等机器学习模型的体积膨胀因子预测结果，为研究CO₂与有机混合物的体积变化规律提供数据支持。
文件详解
数据集包含8个文件，均位于同一目录下，具体说明如下：
- 文档类文件（2个）：
- Volume expansion data of the CO2 + tetradecane and CO2 + hexadecane mixtures.doc：文档格式，可能包含CO₂与十四烷、十六烷混合物的体积膨胀实验数据记录
- Machine learning model core code.docx：文档格式，可能包含机器学习模型（如BPNN、KNN、RF、SVR）的核心代码说明
- 数据类文件（6个，均为.xlsx格式）：
- Tetradecane-5CV.xlsx：可能包含十四烷混合物的五折交叉验证相关数据
- Hexadecane-5CV.xlsx：可能包含十六烷混合物的五折交叉验证相关数据
- Comparison between the experimental and BPNN predicted expansion factor for the CO2 + tetradecane mixture.xlsx：可能包含CO₂与十四烷混合物的实验值与BPNN模型预测值对比数据
- Comparison between the experimental and BPNN predicted expansion factor for the CO2 + hexadecane mixture.xlsx：可能包含CO₂与十六烷混合物的实验值与BPNN模型预测值对比数据
- Volume expansion surface for the CO2 + tetradecane mixture in the final BPNN model.xlsx：可能包含最终BPNN模型中CO₂与十四烷混合物的体积膨胀曲面数据
- Volume expansion surface for the CO2 + hexadecane mixture in the final BPNN model.xlsx：可能包含最终BPNN模型中CO₂与十六烷混合物的体积膨胀曲面数据
适用场景
- 石油地质研究：分析地质条件下CO₂与长链烷烃混合物的体积变化规律，为油气开发中的CO₂驱油技术提供理论参考
- 机器学习应用：基于实验数据验证和优化BPNN等模型在体积膨胀因子预测中的性能
- 热力学研究：探究CO₂临界点附近混合物分子结构变化对体积膨胀的影响机制
- 碳封存技术研究：为CO₂地质封存过程中体积变化的预测与控制提供数据支持
