مدل سازی سیستم تعادلی p‏z-co۲-h۲o با استفاده از شبکه های عصبی

نویسندگان

احد قائمی

هیات علمی دانشگاه علم و صنعت ایران حسین قنادزاده

هیات علمی دانشگاه گیلان زینب اصغرپور

دانشجو

چکیده

در این تحقیق سیستم تعادلی پایپرزین-آب- دی اکسیدکربن با استفاده از مدل های شبکه عصبی مدل سازی شده است. در مدل از دو شبکه عصبی mlp, rbf استفاده شده است. در یادگیری شبکه ها الگوریتم پس انتشار خطا به کار رفته است. برای آموزش و تست شبکه های عصبی یک مرور کلی بر کارهای تجربی در زمینه حلالیت دی اکسیدکربن در محلول آبی پایپرزین انجام شده و داده های تجربی جمع آوری و طبقه بندی شده است. نتایج شبکه های عصبی با داده های تجربی ارائه شده در مقالات مورد ارزیابی قرار گرفت. متوسط مربع خطاهای کل داده ها برای شبکه mlp برابر با 21/4 درصد و برای شبکه rbf برابر با 78/4 بوده که نشان از پیش بینی مناسب شبکه های مورد استفاده می باشد. نتایج نشان داد که شبکه های عصبی ابزاری مناسب بر کاهش زمان محاسبات و افزایش دقت پیش بینی داده های تعادلی می باشند.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

مدل سازی سیستم های تعادلی بخار- مایع و مایع - مایع با استفاده از مدل های ترمودینامیکی، ساختارهای فازی و شبکه های عصبی نوع GMDH

بررسی تعادل‌های سیستم های بخار-مایع و مایع-مایع، نقش مهمی در طراحی، بهینه سازی و کنترل فرایندهای جداسازی دارد. در این تحقیق تعادل های فازی بخار-مایع سامانه های دوتایی(1-پروپانول با آب و اتیل استات)، همچنین تعادل های فازی مایع-مایع سامانه های سه تایی (آب، اتیلن گلایکول، 1-هپتانول) و (آب، اتیلن گلایکول، 2-اتیل 1-هگزانول) با استفاده از مدل های ترمودینامیکی NRTL و UNIQUAC مورد مطالعه قرار گرفتند. ه...

متن کامل

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

متن کامل

مدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی

در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...

متن کامل

مدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک

دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...

متن کامل

مدل سازی داده های تعادلی سیستم co2-piperazine-h2o با استفاده از مدل ترمودینامیکی و شبکه های عصبی

دی اکسیدکربن مهم ترین گاز گلخانه ای می باشد که به علت فعالیت های بشر تولید آن روز به روز در حال افزایش است. افزایش گازهای گلخانه ای اثر سوء بر محیط زیست به دلیل گرم شدن زمین دارد و لازم است از انتشار آن توسط جریان گاز احتراق خروجی از صنایع به وسیله روش های جداسازی جلوگیری شود. یکی از متداول ترین روش های جداسازی دی اکسیدکربن، جذب توسط حلال های آمینی می باشد. در سال های اخیر پایپرزین به عنوان یک ...

15 صفحه اول

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
فرآیند نو

جلد ۱۰، شماره ۵۲، صفحات ۲۱-۳۶

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023