مدل سازی تجربی ظرفیت جذب متان در جاذب های کربن فعال با استفاده از روش رگرسیون بردار پشتیبان SVR
Publish place: 15th Iranian Natioanl Congress of Chimical Engineering
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 799
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICHEC15_179
تاریخ نمایه سازی: 19 تیر 1394
Abstract:
منابع عظیم گازطبیعی درکشوروهمچنین مزایای متعددگازطبیعی ازجمله مزایای زیست محیطی درمقایسه با سایرسوختهای فسیلی سبب استفاده ازاین منبع انرژی درخودروها گردیده است یکی ازروش های نسبتا نوین ذخیره سازی گازطبیعی درخودروها جهت استفاده ازآن ذخیره سازی بااستفاده دردانه های جاذب به روش جذب سطحی ANG می باشد ازانجایی که قلب اصلی فرایند جذب سطحی جاذب های بکاررفته درآن میباشد انتخاب جاذب یاجاذبهایی باظرفیت جذب بالا بسیارحائز اهمیت است ازاین رو دراین مقاله جهت انتخاب مناسب جاذبهای ذخیره کننده گاز متان به مدلسازی ظرفیت جذب متان دریکی ازپرکاربردترین جاذبها صنعتی کربن فعال پرداخته شده است بدین منظور پس ازجمع اوری اطلاعات جذب متان برروی انواع جاذبهای کربن فعال مدلساز یتجربی آن به کمک روش رگرسیون بردارپشتیبان sVR انجام گردیده است نتایج نشان میدهد روش sVR بادقت بالایی توانایی پیش بینی میزان ظرفیت جذب متان درکربن فعال را داراست درانتها نیز جهت مقایسه عملکرد روش SVR نتایج روش مذکور با دوروش شبکه عصبی مصنوعی MLP و طراحی ازمایشات پاسخ سطح مقایسه گردیده است
Keywords:
Authors
سهیلا برجسته
کارشناس مهندسی شیمی، دانشگاه مهندسی فناوری نوین قوچان- خراسان رضوی، قوچان
پریسا فاطمی
کارشناس مهندسی شیمی، دانشگاه مهندسی فناوری نوین قوچان- خراسان رضوی، قوچان
مهدی نیکنام شاهرک
استادیار گروه مهندسی شیمی، دانشگاه مهندسی فناوری نوین قوچان- خراسان رضوی، قوچان
نیما صالحی
گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه مهندسی فناوری نوین قوچان- خراسان رضوی، قوچان
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 :