چکیده: چکیده در این مطالعه، حلالیت دی‎اکسیدکربن در مایعات یونی مختلف با استفاده از شبکه عصبی روش مدیریت گروهی داده‎ها (GMDH) در محدوده وسیعی از دما و فشار پیش‎بینی گردید. توصیف کننده‎های انتخاب شده شامل دما و فشار و همچنین وزن مولکولی، نقطه ذوب و چگالی مایعات یونی است. مجموعه داده شامل 1795 نقطه داده تجربی حلالیت CO2 در 19 مایع یونی در محدوده وسیعی از دما و فشار است. داده های حلالیت دی‎اکسیدکربن در 15 مایع یونی به دو گروه آموزش و تست داخلی تقسیم شدند و حلالیت دی‎اکسید‎کربن در 4 مایع یونی دیگر به عنوان مجموعه تست خارجی در نظر گرفته شدند. پس از آموزش و بهینه‎سازی پارامترهای شبکه GMDH، عملکرد مدل بهینه شده به وسیله گروه‎های تست داخلی و خارجی مورد بررسی قرار گرفت. نتایج نشان داد که مدل بهینه شده GMDH می‎تواند حلالیت دی اکسیدکربن در مایعات یونی را با دقت قابل قبولی در محدوده وسیعی از دما و فشار پیش‎بینی کند. ریشه میانگین‎مربعات‎خطا (RMSE) و ضریب تعیین (R2) برای مجموعه تست داخلی به ترتیب 0609/0 و 9673/0 و برای مجموعه تست خارجی 0663/0 و 9677/0 به دست آمد.