پیش بینی هوشمندانه خصوصیات تخته خرده چوب با استفاده از شبکه عصبی مصنوعی

نویسندگان

زهرا جهانی لمر

سعید رضا فرخ پیام

محمد شمسیان

چکیده

چکیده شبکه های عصبی در دهه ی اخیر به عنوان ابزار قدرتمندی جهت پیش بینی در حوزه های مختلف مورد استفاده قرار گرفته اند. در این تحقیق از شبکه عصبی پیشخور پرسپترون چند لایه (mlp) با یادگیری پس انتشار از الگوریتم آموزش انتشار به عقب (bp)، با تکنیک بهینه سازی عددی لونبرگ- مارکوات (lm)،توسط نرم افزار متلب مورد استفاده قرار گرفت. درصد رطوبت کیک ، دمای پرس و زمان بسته شدن پرس به عنوان متغیرهای ورودی و خواص واکشیدکی ضخامت(ts) بعد 2 و 24 ساعت و جذب آب wa)) بعد 2و 24 ساعت و دانسیته، خروجی مدل تخته خرده چوب استفاده شد. این تکنیک قابلیت تطبیق پذیری شبکه را افزایش داده و ضعف و کمبود داده های مورد استفاده را تا حد زیادی برطرف می کند. با استفاده از داده های واقعی ، پیش بینی های انجام گرفت و با مقادیر واقعی مورد مقایسه قرار گرفته و کارایی روش های مورد استفاده، با استفاده از آماره های با معیارهای میانگین مربعات خطا (mse)، ریشه ی میانگین مر بعات خطا(rmse)، و ضریب همبستگی r2)) مورد ارزیابی قرار گرفت. براساس کلیه معیارها، مدل شبکه عصبی مصنوعی خطای کمتر و در نتیجه کارایی بیشتری در تعیین خواص واکشیدکی ضخامت(ts)، جذب آب wa)) و دانسیته تخته خرده چوب داشته است. واژه های کلیدی: مدل سازی ، تخته خرده چوب ، خواص فیزیکی، شبکه عصبی مصنوعی

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

مقایسه پیش بینی واکشیدگی ضخامت تخته خرده چوب با سیستم فازی و شبکه عصبی مصنوعی

درصد واکشیدگی یکی از خواص فیزیکی مهم محصول نهایی می‌باشد. این آزمون نیاز به زمان و هزینه دارد. بنابراین پیش بینی مقدار درصد واکشیدگی تخته در حین تولید می‌تواند باعث کنترل کردن فرایند تولید و کیفیت یکنواخت محصول گردد. در این تحقیق متغیرهایی مانند رطوبت خرده چوب قبل از خشک‌کن، رطوبت کیک خرده چوب در فرمینگ، میزان چسب مصرفی به ازای هر تخته، زمان پرس، دمای پرس، فشار پرس، و خاصیت درصد واکشیدگی تخته خ...

متن کامل

مقایسه پیش بینی واکشیدگی ضخامت تخته خرده چوب با سیستم فازی و شبکه عصبی مصنوعی

درصد واکشیدگی یکی از خواص فیزیکی مهم محصول نهایی می باشد. این آزمون نیاز به زمان و هزینه دارد. بنابراین پیش بینی مقدار درصد واکشیدگی تخته در حین تولید می تواند باعث کنترل کردن فرایند تولید و کیفیت یکنواخت محصول گردد. در این تحقیق متغیرهایی مانند رطوبت خرده چوب قبل از خشک کن، رطوبت کیک خرده چوب در فرمینگ، میزان چسب مصرفی به ازای هر تخته، زمان پرس، دمای پرس، فشار پرس، و خاصیت درصد واکشیدگی تخته خ...

متن کامل

یک مدل ریاضی برای پیش بینی خواص تخته خرده چوب با کاربرد gmdh (نوعی شبکه عصبی مصنوعی و الگوریتم ژنتیک)

چکیده در این مطالعه از شبکه عصبی gmdh براساس الگوریتم ژنتیک برای پیش بینی خواص فیزیکی و مکانیکی تخته خرده چوب در مقیاس آزمایشگاهی استفاده شد. به منظور تعیین خواص فیزیکی و مکانیکی به وسیله شبکه عصبی gmdh، از مشخصات دمای پرس در 4 سطح 170،160،150 و 180 درجه سانتی گراد، زمان بسته شدن پرس در 3 سطح 20،10 و 30 ثانیه و رطوبت کیک در 4 سطح 12،10،8 و 14 به عنوان داده های ورودی و از خواص فیزیکی و مکانیکی ...

متن کامل

استفاده از مدلهای رگرسیونی برای پیش بینی ویژگیهای تخته خرده چوب

این تحقیق به منظور بررسی امکان پیش‌بینی ویژگیهای فیزیکی و مکانیکی تخته خرده چوب با استفاده از معادلات و مدلهای رگرسیونی انجام شده است. 108 تخته آزمایشگاهی در قالب 36 تیمار با ترکیب شرایط مختلف گرادیان رطوبت، ابعاد خرده چوب، درجه حرارت و زمان پرس ساخته شد و با استفاده از رگرسیون گام به گام، نتایج مورد تجزیه و تحلیل قرار گرفت. مدل بدست آمده  برای مقاومت خمشی نشان داد که ابعاد خرده چوب مهمترین عام...

متن کامل

یک مدل ریاضی برای پیش‌بینی خواص تخته خرده چوب با کاربرد GMDH (نوعی شبکه عصبی مصنوعی و الگوریتم ژنتیک)

چکیده در این مطالعه از شبکه عصبی GMDH براساس الگوریتم ژنتیک برای پیش‌بینی خواص فیزیکی و مکانیکی تخته خرده چوب در مقیاس آزمایشگاهی استفاده‌ شد. به‌منظور تعیین خواص فیزیکی و مکانیکی به‌وسیله شبکه عصبی GMDH، از مشخصات دمای پرس در 4 سطح 170،160،150 و 180 درجه سانتی‌گراد، زمان بسته شدن پرس در 3 سطح 20،10 و 30 ثانیه و رطوبت کیک در 4 سطح 12،10،8 و 14 به‌عنوان داده‌های ورودی و از خواص فیزیکی و مکانیکی ...

متن کامل

منابع من

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


عنوان ژورنال:
فصلنامه تحقیقات علوم چوب وکاغذ ایران

ناشر: موسسه تحقیقات جنگلها و مراتع کشور

ISSN 1735-0913

دوره 29

شماره تابستان شماره 2 2014

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023