شبکه عصبی مصنوعی یک ابزار ریاضی است که برای شبیه سازی پدیده های پیچیدهٌ علمی و مسایل مهندسی مورد استفاده قرار می گیرد.برای آموزش شبکه عصبی تعداد مشخصی داده های آزمایشگاهی نیاز است. پس از اینکه شبکه عصبی روش حل مسیله را یادگرفت داده های جدید از همان دامنه بدون نیاز به آزمایشات بیشتر به وسیله شبکه عصبی قابل پیشبینی است.در این تحقیق با استفاده از شبکه عصبی مصنوعی، به سه روش عمر خستگی کامپوزیتهای مختلف پیشبینی شده است.1- عمر خستگی کامپوزیتهای تک جهته در جهات مختلف تنها با داشتن عمر خستگی آن کامپوزیت در چند جهت مشخص پیشبینی شده است.2- عمر خستگی کامپوزیتهای چند لایه در نسبت تنشهای متفادت تنها با دانستن عمر خستگی آن در دو نسبت تنش پیشبینی شده است.3-عمر خستگی کامپوزیتهای چند لایه که بر روی آن آزمون خستگی صورت نگرفته تنها با دانستن خواص مکانیکی آن با استفاده از داده های خستگی کامپوزیتهای دیگر.در انتها نتایج پیشبینی عمر خستگی توسط شبکه عصبی با پیشبینی به روش پارامتریک عمر ثابت مقایسه شده و مشخص شده که نتایج شبکه عصبی قابل اطمینانتر است.

در این کار، دو مدل جدید برای پیش بینی شرایط تعادلی تشکیل هیدرات های نیمه کلاتریت ارائه شده است. مدل اول بر اساس مدل آنتالپی تشکیل هیدرات پیرون ارائه شده است. برای این هدف، رابطه جدیدی برای پیش بینی آنتالپی تشکیل هیدرات نیمه کلاتریت ارائه شده است. از قدرت یونی و فشار به عنوان پارامترهای ورودی استفاده شده است.با استفاده از این مدل شرایط تعادلی تشکیل هیدرات نیمه کلاتریت متان، دی اکسید کربن و نیتروژن در حضور تترابوتیل آمونیوم برماید، متان و دی اکسید کربن در حضور تترابوتیل آمونیوم کلراید و دی اکسید کربن در حضور تترابوتیل آمونیوم فلوراید پیش بینی شده است. مدل دوم بر اساس مدل وندروالس-پلاتیو ارائه شده است. این مدل برای پیش بینی شرایط تعادلی تشکیل هیدرات نیمه کلاتریت گاز های خالص متان، دی اکسید کربن، نیتروژن و هیدروژن سولفید در حضور تترابوتیل آمونیوم برماید و مخلوط گازی دی اکسید کربن ونیتروژن در حضور تترابوتیل آمونیوم برماید به کار گرفته شده است. در هر دو مدل جدید از معادله حالت pr و مدل اکتیویته پیتزر و مایورگا به ترتیب برای محاسبه فوگاسیته و ضریب اکتویته نمک های تترابوتیل آمونیوم استفاده شده است. نتایج حاصل از این مدلها با داده های آزمایشگاهی تطابق قابل قبولی با یکدیگر دارند.