مدل سازی شبکه عصبی موجک با استفاده از روش سهم گروه ها برای پیش بینی دانسیته ی آلکان ها و سیکلوآلکان ها در محدوده ی وسیعی از دما و فشار
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود
- نویسنده سمیرا شعبانی
- استاد راهنما زهرا کلانتر کهدمی حسین نیکوفرد
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1388
چکیده
در این پایان نامه، از مدل شبکه عصبی موجک برای پیش بینی دانسیته آلکان ها از 2 تا 19 کربنه و سیکلوآلکان ها در محدوده ی وسیعی از دما و فشار استفاده شده است. دو شبکه عصبی موجک برای پیش بینی دانسیته مدل سازی شد: یکی برای گازهای طبیعی (آلکان های 2 تا 4 کربنه) و دیگری برای آلکان های خطی 5 تا 19 کربنه و سیکلوآلکان ها. در ابتدا، مدل شبکه عصبی موجک برای گازهای طبیعی با دو متغیر دما و فشار و توصیفکننده بر مبنای روش سهم گروه شامل متیل و متیلن طراحی گردید. سپس جهت به کارگیری شبکه عصبی موجک، برنامه ی رایانه ی در محیط matlab نوشته شد و پس از آموزش شبکه، پارامترهای شبکه شامل ممنتم، سرعت آموزش، تعداد نرون لایه ی مخفی و تعداد دور آموزش بهینهسازی گردید. کارایی شبکه ی بهینه شده با رسم نمودار مقادیر تجربی دانسیته بر حسب مقادیر پیش بینی شده برای دو سری پیش بینی و تایید مورد ارزیابی قرار گرفت. نتایج حاصل با متوسط درصد خطای نسبی کمتر از 0/9% کارایی مطلوب شبکه را تایید می کند. در مرحله ی بعد، مدل شبکه ی عصبی موجک برای پیش بینی دانسیتهی آلکان های خطی از 5 تا 19 کربنه وسیکلوآلکان ها با 5 توصیف کننده شامل دما وفشار و تعداد گروه های متیل، متیلن و متین طراحی و بهینه سازی گردید. رفتار کاملاّ خطی با ضریب همبستگی r2≥0/9486 مشاهده گردید. این روش دانسیته ی این ترکیبات را با متوسط درصد خطای نسبی کمتر از 1/1% پیش بینی می کند.
منابع مشابه
مدل سازی شبکه عصبی موجک با استفاده از روش سهم گروهها برای پیش بینی دانسیته کتون ها در محدوده وسیعی از دما و فشار
در این پایان نامه، از مدل شبکه ی عصبی موجک (wnn) برای پیش بینی دانسیته ی کتون ها در محدوده ی وسیعی از دما و فشار استفاده شده است. در ابتدا مدل شبکه ی عصبی موجک با دو متغیر دما، فشار و توصیف کننده هایی برمبنای روش سهم گروه شامل تعداد گروه های متیل، متیلن، متین وگروه عاملی کربونیل برای هر یک از کتون ها طراحی گردید. سپس جهت به کارگیری شبکه ی عصبی موجک برنامه ای رایانه ای در محـیط برنامه نویسی matl...
15 صفحه اولپیش بینی سطح عمومی قیمت ها و تورم در ایران با استفاده از شبکه عصبی
(صحت مطالب مقاله بر عهده نویسنده است و بیانگر دیدگاه مجمع تشخیص مصلحت نظام نیست) هدف این مقاله پیش بینی روند تورم و شاخص قیمت ها در اقتصاد ایران است. دادههای این مقاله شامل تورم سالانه و دادههای ماهانه شاخص قیمت مصرف‌کننده در ایران از سال 1340 تا 1392 می باشد. در این تحقیق برای پیش بینی تورم از شبکه عصبی مصنوعی استفاده شده است. برای پیشبینی تورم ماهانه از یک شبکه پس‌انتشار خطا(BP) با 15 نر...
متن کاملشبیه سازی و پیش بینی جریان رودخانه ها با استفاده از شبکه عصبی و مدل فوریه
مقاله حاضر به بررسی نحوه عملکرد شبکه های عصبی mlp در ارتباط با خروجی مدل فوریه، fsam، می پردازد. مدل fsam که مدل شبیه ساز بارش است، تحلیل مدل های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای arima را در درون خود دارد، ارائه می دهد. کاربرد همزمان شبکه های عصبی mlp و مدلfsam، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می سازد. ...
متن کاملپیش 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 کاملمنابع 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 شاهرود
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023