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

علی بیات کشکولی; فواد نیسی; علیرضا مقدم نیا

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

Publish place: Iranian Journal of Wood and Paper Industries، Vol: 6، Issue: 1

Publish Year: 1394

نوع سند: مقاله ژورنالی

زبان: Persian

This Paper With 14 Page And PDF Format Ready To Download

دریافت فایل کامل Paper

Certificate
من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > شبکه عصبی

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

https://civilica.com/doc/1455734

شناسه ملی سند علمی:

JR_IJWP-6-1_005

تاریخ نمایه سازی: 10 خرداد 1401

Abstract:

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 خرده چوب خط تولید کارخانه دعبل خزاعی جمع آوری شد. داده های نرمال سازی شده با استفاده از روشهای شبکه عصبی مصنوعی و سیستم فازی بررسی شد و این خاصیت با بهینه ترین مدل پیش بینی شد. بهترین مدل پیش بینی درصد واکشیدگی تخته بر اساس روش شبکه عصبی مصنوعی ۵-۵ و در سیستم فازی تابع زد شکل با درصد خطای مطلق پیش بینی به ترتیب ۵/۰ و ۲۲ درصد می باشد. روش شبکه عصبی مصنوعی در مقایسه با روش سیستم فازی از کارایی بهتری برخوردار است.

Keywords:

درصد واکشیدگی ضخامت , سیستم فازی , شبکه عصبی مصنوعی , فرایند تولید تخته خرده چوب

Authors

علی بیات کشکولی

دانشیار، دانشکده منابع طبیعی، دانشگاه زابل

فواد نیسی

دانشجوی کارشناسی ارشد، گروه علوم و صنایع چوب و کاغذ، دانشکده منابع طبیعی، دانشگاه زابل

علیرضا مقدم نیا

دانشیار گروه آبخیزداری، دانشکده منابع طبیعی، دانشگاه تهران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :

Alborzi, M., ۲۰۰۱. Introduction to Artificial Neural Networks. Sharif University ...
Menhaj, M., ۱۹۹۸. Introduction to Artificial Neural Networks. Hesabi press, ...
Esteban, L.G., Fernández, F.G., de Palacios, P. and Conde, M., ...
Cook, D. and Chiu, C.C., ۱۹۹۷. Predicting the internal bond ...
Fernandez, F.G., Esteban, L.G., de Palacios, P., Navarro, N. and ...
Jahanilomer, Z., FarrokhPayam, S.R. and Shamsian, M., ۲۰۱۴. An intelligent ...
Oduguwa, V., Tiwari, A. and Roy, R., ۲۰۰۵. Evolutionary computing ...
Stefansson, A., Koncar, N. and Jones, A.J., ۱۹۹۷. A note ...
Monte, R.A., ۱۹۹۹. A random walk for dummies. Mit Undergraduate ...
Yagar, R.R. and Zadeh, L.A., ۱۹۹۲. An introduction to fuzzy ...
Jang, J.S.R. and Gulley, N., ۱۹۹۵. Fuzzy logic Toolbox for ...
Mamdani, E.H. and Assilian. S., ۱۹۷۵. An experimental in linguistic ...
Zadeh, L. A., ۱۹۶۵. Fuzzy set. Information and Control. ۸:۳۳۸-۳۵۳ ...
Dubois, D. and Prade, H., ۱۹۸۰. Fuzzy set and systems: ...
Malinov, S., Sha, W. and Mckeown, J.J., ۲۰۰۱. Modelling the ...
Cheng, C.S., ۱۹۹۵. A multi-layer neural network model for detecting ...
Cook, D.F., Massey, J.G. and Shannon, R.E., ۱۹۹۱. A neural ...
Cook, D.F., Zobel, C.W. and Nottingham, Q.J., ۲۰۰۱. Utilization of ...
Cook, D.F., Ragsdale, C.T. and Major, R.L., ۲۰۰۰. Combining a ...
Esteban, L.G., Garcia Fernandez, F., de Palacios, P. and Gonzalez ...
Dousthosyni, K. ۲۰۰۱. Production technology and use of wood based ...
Moslemi, A.A., ۱۹۷۴. Particleboard, Volumes ۱ and ۲. Southern illinois ...
Nemli, G., Zekovic, E. and Aydin, I., ۲۰۰۷. Some of ...
Nemli, G., Aydin, I. and Zekovic, E., ۲۰۰۷. Evaluation of ...

نمایش کامل مراجع