گلسا تلخ آب - کارشناسی ارشد مهندسی شیمی، طراحی فرایندها، دانشگاه آزاد اسلامی واحد تهران جنوب، ایران

دراین پروژه میزان تاثیرگذاری هر یک از عوامل موثر بر روی دانسیته یعنی دمای فرآیند و ترکیب درصد هر یک از اجزا و همچنین ارتباط بین متغیرهای ورودی و خروجی مورد بررسی قرار گرفته است. که این مهم توسط نرم افزار شبکه‫های عصبی مصنوعی انجام شده است. ‬‬برای ساختن شبکه عصبی تعداد نورون‫ها از ۱ تا ۲۰، توابع انتقال: tansig,radbas,satlin,tribas در نظر گرفته شده است. نوع تابع آموزش و میزان تقسیم‫بندی داده‫ها نیز بررسی شده است. خطای شبکه نیز از نوع میانگین مربعات خطا (MSE) تعریف شده است. ‬‬‬‬‬‬بهترین شبکه عصبی ساخته شده برای حالتی است که از تابع آموزش بیزین- رگولاریزیشن با تقسیم‫بندی داده‫ها به صورت ۶۰ درصد داده‫های آموزشی، ۲۰ درصد داده‫های ارزیابی در حین آموزش و ۲۰ درصد داده‫های ارزیابی در پایان آموزش نتیجه شده است. همچنین این شبکه دارای ۹ نورون می‫باشد که تابع انتقال (تبدیل) آن نیز ردبس است و خطای شبکه در این شرایط نیز ۰. ۰۰۹۷۵ تخمین زده شده است و رگراسیون در این حالت برابر ۰. ۹۵ می‫باشد. ‬‬‬‬‬‬‬‬‬‬‬‬‬‬

جذب یونی، ترکیبات دی‫اکسیدکربن‫دار محلول، شبکه‫های عصبی مصنوعی‬‬‬‬‬‬‬‬‬‬