پیش بینی و تخمین کشش سطحی مواد خالص با استفاده از شبکه عصبی – روش سهم گروهی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 530
- 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:
EMAPPLI01_060
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
در این مقاله روش نظری برای پیش بینی کشش سطحی ترکیبات مایع خالص در دماهای مختلف با استفاده از ساختار مولکولی آنها ارائه شده است. ترکیبی از شبکه های عصبی مصنوعی و روش سهم گروهی برای تخمین کشش سطحی مورد استفاده قرار گرفته است. برای تخمین کشش سطحی 50 ماده شامل 204 نقطه مورد بررسی قرار گرفته است. کشش سطحی به عنوان تابعی از دما، جرم مولکولی، دمای بحرانی، فشار بحرانی و گروه های ساختاری موجود در ساختار مولکول ها تخمین زده شده است. 19 گروه ساختاری برای برای تعیین کشش سطحی در نظر گرفته شدهاند. طراحی بهینه ممکن برای شبکه عصبی، شبکه پیش خور با الگوریتم پس انتشار خطا، تابع آموزش انتشار رو به عقب لونبرگ مارکوارت ، تابع فعال سازی تانژانت هایپربولیک برای لایه مخفی با 11 نرون در این لایه و تابع فعال سازی خطی برای لایه خروجی است. نتایج نشان می دهند که توسط شبکه عصبی بهینه شده می توان مقادیر کشش سطحی را با ضریب همبستگی (R2) برابر 0/9992، درصد میانگین انحراف نسبی (ARD%) برابر 0/897 و ریشه میانگین مربع خطا (RMSE) برابر 0/013 پیش-بینی کرد. همچنین نتایج نشان می دهند که شبکه عصبی از توانایی بالایی برای پیش بینی و درونیابی داده های کشش سطحی برای مواد خالص برخوردار است.
Keywords:
Authors
پریسا رشیدی زنوز
دانشکده فنی، دانشگاه آزاد اسلامی، واحد تهران شمال، تهران، ایران
یزدان رضایی
دانشکده مهندسی شیمی، دانشگاه امیرکبیر (پلی تکنیک)، تهران، ایران
علی ترحمان نژاد
دانشکده مهندسی شیمی و نفت، دانشگاه تبریز، تبریز، ایران
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 :