مدلسازی شبکه عصبی مصنوعی فرآیند جذب دی اکسید کربن از متان توسط مایع یونی 1- هگزیل 3- متیل ایمیدازولیم بیس (تری فلوئورومتیل سولفونیل) ایمید
Publish place: The Second International Conference and the Third National Conference on the Application of New Technologies in Engineering Sciences
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 580
This Paper With 18 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:
ITCC02_629
تاریخ نمایه سازی: 21 شهریور 1395
Abstract:
در این مقاله به مدلسازی و بررسی فرآیند جذب CO2 در مایع یونی [HMIm][Tf2N] پرداخته می شود. جهت مدلسازی دوپارامتر دما و فشار به عنوان داده ورودی و مقدار جذب (جز مولی CO2) به عنوان خروجی درنظر گرفته شده است. جهت مدلسازی فرآیند جذب CO2 از ابزار شبکه عصبی استفاده شده است. برای پیدا کردن مهمترین پارامتر تأثیرگذار بر خروجی با استفاده از شبکه عصبی به عنوان تابع مدلسازی، از آنالیز حساسیت استفاده شد. جهت پیدا کردن شرایط بهینه مدلسازی با شبکه عصبی سه الگوریتم آموزشی مختلف با یک و دولایه مختلف، تعداد نرون ها تغییر داده شد تا شرایط بهینه پیدا شود. بهینه مدل شبکه عصبی در یک لایه مخفی با الگوریتم آموزشی لونبرگ مارکواردت با 14 نرون بدست آمد. با 14 نرون بیشترین ضریب همبستگی 0/9965 و کمترین خطا 0/0014 بدست آمد. بهینه مدل شبکه عصبی در دولایه مخفی با الگوریتم آموزشی لونبرگ مارکواردت با 4 نرون در لایه اول و 5 نرون در لایه دوم بدست آمد. ضریب همبستگی این مدل 0/9965 و خطای 0/0014 بدست آمد.
Keywords:
Authors
سجاد محمدی ایدغمیشی
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد شیراز، مهندسی شیمی، شیراز، ایران
مرتضی اصغری
استادیار، دانشگاه صنعتی کاشان، مهندسی شیمی، کاشان، 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 :