پیش بینی ویسکوزیته مخلوط سیال با استفاده از شبکه عصبی موجک

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده شیمی
  • نویسنده علی حسن زاده سورشجانی
  • استاد راهنما یوسف غایب
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1388
چکیده

در این پایان نامه از شبکه عصبی موجک برای پیش بینی ویسکوزیته مخلوط سیال در محدوده وسیع دما و فشار استفاده شد. با استفاده از این روش با داشتن سه ورودی دما، دانسیته و کسر مولی خروجی یعنی ویسکوزیته محاسبه گردید. نوع الگوریتمی از شبکه عصبی مصنوعی که مورد استفاده قرار گرفت، الگوریتم پس انتشار خطا با شیوه آموزش کاهش شیبی بود که این نوع الگوریتم از الگوریتم های با سرپرست(ناظر) می باشد. نتایج حاصل از روند محاسباتی شبکه عصبی مصنوعی با این نوع الگوریتم با نتایج حاصل از معادلات موجود در مقالات در زمینه پیش بینی ویسکوزیته در محدوده وسیعی از فشار و دما مقایسه گردید. مقایسه این نتایج نشان داد که شبکه های عصبی موجک بکار رفته قدرت زیادی در پیش بینی ویسکوزیته در دامنه دما و فشار دارد و توانایی رقابت با شیوه های استفاده از معادلات تئوری و تجربی دارد. مزیت دیگر استفاده از شبکه عصبی مصنوعی علاوه بر پیش بینی نتایج بهتر برای ویسکوزیته مخلوط سیال ها، در این است که نیاز به ارائه مدل های پتانسیلی و محاسبات پیچیده جهت به دست آوردن انتگرال برخورد را بر طرف می کند. و در یک کلام این شبکه ها با توجه به قدرت تعمیم دهی بالا ی آنها نیاز به معادلات را کاهش می دهند. همچنین می توانند به عنوان ابزاری جهت پیش بینی همزمان چند خصوصیت ترمودینامیکی استفاده شوند.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA

تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...

متن کامل

پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی

همواره مدل­سازی و پیش­بینی متغیرهای مالی یکی از موضوع‌های مورد علاقه و مهم برای اقتصاددانان بوده است. در این مقاله، ساختاری برای پیش­بینی سری­های زمانی ارایه شده است که با استفاده از رویکرد محاسبات نرم این امکان را فراهم می­آورد تا بتوان با دقت بیشتر مقادیر آینده یک سری زمانی را پیش­بینی کرد. در این روش، با استفاده از تجزیه موجک، نویز­های تصادفی داده­های ورودی شبکه عصبی فازی تطبیقی کاهش می­یابد...

متن کامل

مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک

این مطالعه تلاشی است در جهت به­کارگیری ترکیب مدل شبکه­ی عصبی پویا و تجزیه­ی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیش­بینی متغیر مذکور می­باشد. جهت تحقق این مهم، از داده­های سری­زمانی ماهانه­ی نرخ ارز طی بازه­ی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدل­سازی­ها استفاده شده و تعداد 27 مشاهده نیز جهت شبیه­سازی و یا به بیان دی...

متن کامل

پیش بینی شاخص قیمت بورس سهام با استفاده از شبکه عصبی و تبدیل موجک

شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می باشد. از این رو پیش بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی های سرمایه گذاری، یکی از مسائل مهم به شمار می رود. از جمله روش های پیش بینی پرکاربرد در سری های زمانی مالی، شبکه عصبی می باشد که با توجه به جامعیت این روش و عدم وجود برخی از پیش فرض ها در خصوص داده ها، گسترش زیادی نسبت به روش های آماری یافته است. اما وجود نویز...

متن کامل

پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی

In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...

متن کامل

منابع من

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

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده شیمی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023