پیش بینی جرم حجمی معادله دابرت با استفاده از شبکه عصبی
Publish place: سومین کنفرانس سراسری نوآوری های اخیر در شیمی و مهندسی شیمی
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 917
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
CHCONF03_237
Index date: 26 February 2017
پیش بینی جرم حجمی معادله دابرت با استفاده از شبکه عصبی abstract
در این مقاله ، با استفاده از شبکه عصبی مصنوعی، مدلی برای پیش بینی جرم حجمی مایعات اشباع ا با استفاده از معادله دابرت، ارائه شده است.نحوه عملکرد شبکه عصبی پرسپترون چند لایه ای (MLP) در پیش بینی مقدار دانسیته مواد به کمک اطلاعات دمای بحرانی، فشار بحرانی، حجم بحرانی و جرم مولکولی مورد بررسی قرار گرفته است. در این پژوهش، 169 داده (هیدروکربن ساده) در دمای بین 280 تا 400 کلوین استفاده شد. مناسب ترین نوع شبکه عصبی مصنوعی برای پیش بینی جرم حجمی هیدروکربن ها، یک شبکه سه لایه پیشخور با الگوریتم پس انتشار خطا می باشد که در آن از تابع انتقال لگاریتمی – سیگموئید در لایه پنهان و تابع انتقال خطی در لایه خروجی بهره گرفته شده است. نتایج به دست آمده نشان می دهند که توسط شبکه عصبی بهینه طراحی شده می توان دانسیته را با ضرایب همبستگی (R2) برابر 0.9985 ، درصد میانگین انحراف نسبی (ARD) برابر 2.66% ، درصد میانگین انحراف مطلق (AAD) برابر 25.0201، درصد خطای متوسط نسبی (Bias) برابر با 0.0903 پیش بینی کرد
پیش بینی جرم حجمی معادله دابرت با استفاده از شبکه عصبی Keywords:
پیش بینی جرم حجمی معادله دابرت با استفاده از شبکه عصبی authors
فاطمه صفار
دانشجوی کارشناسی ارشد مهندسی شیمی دانشگاه شمال آمل- گروه مهندسی شیمی
کامیار موقر نژاد
دانشیار دانشگاه صنعتی نوشیروانی بابل- گروه مهندسی شیمی
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 :