مهدی رشوند - کارشناسی ارشد مکانیک بیوسیستم،دانشگاه تهران
شبیر سیف - کارشناسی فناوری اطلاعات،دانشگاه پیام نور

در سـالهای اخیر هوش مصـنوعی بهجای روشهای سـنتی علمی جایگزین شـده اسـت. این مقاله قابلیت شـبکه عصـبی مصـــنوعی را بهعنوان یک ابزار پیشبینی کننده آلایندهی هیدروکربن در موتور دیزل چهار ســـیلندر، ارزیابی میکند. برای مقایسـه و تحلیل دادهها از MRE ،R2 و RMSE اسـتفاده شـد. در میان ترکیبهای آزمایششـده از شـرایط آموزش در معماریهای متفاوت پس انت شار، بهترین الگوریتم برای حالت بار صفر،30 ،%07 %و 100 %به ترتیب الگوریتم SCG ،BR،SCG و SCG و با تعداد نرون های 11 ،15 ،14،12 و برای حالت کلی که شـــامل تمامی دادهها بود الگوریتم با تابع SCG و 18 نرون بود. مقدار RMSE برای بار صــفر،30،%7 ،%100 %و حالت کلی به ترتیب برابر با 004/0 ،04/0 ،02/0 ، 0/05 و 0/07بود

آلاینده CO ،موتور دیزل، شبکه عصبی مصنوعی، الگوریتم