ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
Paper
Title

Artificial neural network modeling of plastic viscosity, yiled point and apparent viscosity for wheat starch solutions

Year: 1390
COI: IPEC03_028
Language: EnglishView: 666
This Paper With 10 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

Meisam Mirarab Razi - Iran University of Science and Technology, Department of Chemical Engineering, Tehran, Iran
Mohammad Mazidi - Iran University of Science and Technology, Department of Chemical Engineering, Tehran, Iran
Fatemeh Mirarab Razi - Mathematics and Computer Science Department, Amirkabir University of Technology, Tehran, Iran

Abstract:

Wheat starch is a carbohydrate polymer which is widely used in drilling muds in order to increase viscosity and decrease fluid loss. Rheological properties ofdrilling muds such as plastic viscosity, yield point and apparent viscosity play an essential role in selecting the most optimum composition of drilling mud underdiverse conditions. In this study, an artificial neural network system was used to predict plastic viscosity (PV), yield point (YP) and apparent viscosity (AV) ofwheat starch solutions. Multi-layer feed forward method was applied in the architecture of the artificial neural network due to its high accuracy. To predict plastic viscosity and yield point, the structure of feed-forward neural network wasdefinite 2:2:1 which refers to input layer, hidden layer and output layer. Thecoefficient of determination (R2) values obtained for training and validation data revealed how this approach is effective in estimating the output layer. The best structure of artificial neural network architecture obtained 3:3:1 for predicting apparent viscosity. R2 value (R2=0.994) of testing data obtained by artificial neural network system revealed the high accuracy of this approach in estimating apparent viscosity.

Keywords:

Wheat starch; Artificial neural network; Plastic viscosity; Yield point; Apparent viscosity

Paper COI Code

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/260004/

How To Citation:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Mirarab Razi, Meisam and Mazidi, Mohammad and Mirarab Razi, Fatemeh,1390,Artificial neural network modeling of plastic viscosity, yiled point and apparent viscosity for wheat starch solutions,سومین کنگره ملی مهندسی نفت,تهران,,,https://civilica.com/doc/260004

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390, Mirarab Razi, Meisam؛ Mohammad Mazidi and Fatemeh Mirarab Razi)
برای بار دوم به بعد: (1390, Mirarab Razi؛ Mazidi and Mirarab Razi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 مPaperقاله لینک شده اند :

  • Knight JW (1969) The starch industry. Pergamon Press Oxford, New ...
  • Knight JW, Olson RM (1984) Wheat starch Production, modification, and ...
  • Lahalih SM, Dairanieh IS (1989) Development of novel polymeric drilling ...
  • Omole O, Falode OA, Deng AD (2009) Prediction Of Nigerian ...
  • Fernandes FAN, Lona LMF (2005) Neuural network applications _ polymerization ...
  • Rai P, Majumdar GC, Das Gupta S, De S (2005) ...
  • Kubendran TR, Baskaran R, Balakrishna N (2008) Artificial Neural Networks ...
  • Torkara D, Novakb S, Novaka F (2008) Apparent viscosity prediction ...
  • Al-Shayea QK, Bahia ISH (2010) Urinary System Diseases Diagnosis Using ...
  • Specht LP, Khatchatou rian O, Brito LAT, Ceratti JAP (2007) ...
  • Kjoniksen AL, Nystrom B, Nakken T, Palmgren O, Tande T ...
  • Garcia-Ped rajas N, _ ervas-Ma rtinez C, Mu6oz-Perez J (2003) ...
  • Greer B, Khan J (2007) Online analysis of microarray data ...
  • Aladjem M (1998) Supervised training of a neural network for ...
  • Bussab MA, Bernardo JI, Hirakawa AR (2007) Greenhouse Modeling Using ...
  • Research Info Management

    Certificate | Report | من نویسنده این مقاله هستم

    اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی Paper

    مشخصات مرکز تولید کننده این Paper به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 21,718
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    New Papers

    Share this page

    More information about COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    Support