Abstract Ionic liquids (ILs) are a significant class of chemicals with applications in solar cells, sensors, capacitors, batteries, plasticizers and thermal fluids. These compounds have attracted wide attention due to their low vapor pressure, tunable viscosity, non-flammability, wide liquid region phase diagrams and substantial chemical and thermal stability. Moreover, ILs structures can be easily modified leading to highly tunable physicochemical properties, which widen the application of these compounds. Heat capacity of ILs is an essential property for heat transfer evaluation as well as the estimation of widely used thermodynamic properties. Establishing a generalized and accurate model for predicting the heat capacity of ILs is valuable for their further development. In this manuscript, a hybrid group method of data handling (GMDH) was employed to establish a model estimating the ILs heat capacities. The database employed is an all-inclusive source of data taken from NIST standard, which includes the heat capacities of 56 ILs as a function of temperature and four structural parameters. About 80% of the database was assigned for building the model, and the remainder was used for evaluating the model performance. Statistical parameters and graphical techniques revealed that the model developed in this study is very accurate, with an R2 value of 0.982 and an average absolute percent relative error (AAPRE) of 1.84%. Moreover, the sensitivity analysis showed that the chemical structure of the cation has the highest impact on the heat capacity of ILs.

中文翻译：

---

使用数据处理的组方法模拟离子液体的热容量：一种混合和基于结构的方法

摘要 离子液体 (IL) 是一类重要的化学品，可用于太阳能电池、传感器、电容器、电池、增塑剂和导热液。这些化合物因其低蒸气压、可调粘度、不可燃性、宽液相区相图以及显着的化学和热稳定性而引起了广泛关注。此外，ILs 结构可以很容易地修改，导致高度可调的理化性质，这扩大了这些化合物的应用。ILs 的热容量是传热评估以及广泛使用的热力学特性估计的基本特性。建立一个广义和准确的模型来预测 ILs 的热容量，对于它们的进一步发展很有价值。在这份手稿中，采用混合组数据处理方法 (GMDH) 来建立估计 IL 热容量的模型。所采用的数据库是来自 NIST 标准的全包数据源，其中包括 56 IL 的热容量与温度和四个结构参数的函数关系。大约 80% 的数据库用于构建模型，其余用于评估模型性能。统计参数和图形技术表明，本研究中开发的模型非常准确，R2 值为 0.982，平均绝对百分比相对误差 (AAPRE) 为 1.84%。此外，敏感性分析表明，阳离子的化学结构对离子液体的热容量影响最大。所采用的数据库是来自 NIST 标准的全包数据源，其中包括 56 IL 的热容量与温度和四个结构参数的函数关系。大约 80% 的数据库用于构建模型，其余用于评估模型性能。统计参数和图形技术表明，本研究中开发的模型非常准确，R2 值为 0.982，平均绝对百分比相对误差 (AAPRE) 为 1.84%。此外，敏感性分析表明，阳离子的化学结构对离子液体的热容量影响最大。所采用的数据库是来自 NIST 标准的全包数据源，其中包括 56 IL 的热容量与温度和四个结构参数的函数关系。大约 80% 的数据库用于构建模型，其余用于评估模型性能。统计参数和图形技术表明，本研究中开发的模型非常准确，R2 值为 0.982，平均绝对百分比相对误差 (AAPRE) 为 1.84%。此外，敏感性分析表明，阳离子的化学结构对离子液体的热容量影响最大。大约 80% 的数据库用于构建模型，其余用于评估模型性能。统计参数和图形技术表明，本研究中开发的模型非常准确，R2 值为 0.982，平均绝对百分比相对误差 (AAPRE) 为 1.84%。此外，敏感性分析表明，阳离子的化学结构对离子液体的热容量影响最大。大约 80% 的数据库用于构建模型，其余用于评估模型性能。统计参数和图形技术表明，本研究中开发的模型非常准确，R2 值为 0.982，平均绝对百分比相对误差 (AAPRE) 为 1.84%。此外，敏感性分析表明，阳离子的化学结构对离子液体的热容量影响最大。