پیش بینی ضرایب فشار بخار معادله واگنر با استفاده از شبکه عصبی
Publish place: سومین کنفرانس سراسری نوآوری های اخیر در شیمی و مهندسی شیمی
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 702
- 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:
CHCONF03_242
تاریخ نمایه سازی: 8 اسفند 1395
Abstract:
در مقاله حاضر با استفاده از شبکه عصبی مصنوعی یک مدل برای پیش بینی فشاربخار مواد به وسیله معادله واگنر ارائه شده است .داده های آموزش شبکه عبارتند از :دمای بحرانی ‚فشار بحرانی ‚حجم بحرانی ‚جرم مولکولی ‚ضریب بی مرکزی ‚دمای جوش برای 31 هیدروکربن (دسته ی اول) و 10هیدروکربن (دسته ی دوم ) به شبکه داده شده شبکه ی که بهترین جواب را به ما می دهد یک شبکه سه لایه پیشخور با الگوریتم پس انتشار خطا می باشد . در این پژوهش ابتدا میزان خطای موادی (دسته ی اول)که ضرایب معادله واگنر شان موجود می باشد را با استفاده از شبکه عصبی تخمین زده و بدست می آوریم سپس دسته ایی از مواد که(دسته ی دوم ) در گروه هیدروکربن ها ضرایب معادله واگنر آنها موجود نبوده را در نظر گرفته و با استفاده از شبکه اولیه ضرایب واگنر را برایشان بدست می آوریم و در مرحله بعد در محدوده ی دمایی 260-395 کلوین فشار بخار را برایشان از منابع معتبر جمع آوری می کنیم و در نهایت با استفاده معادله واگنر فشار بخار مدل را بدست می آوریم و در مقایسه با فشار بخار ی که از منابع برای دسته ی دوم بدست آوردیم میزان خطاها را محاسبه می کنیم .خطای ریشه مربعات میانگین کل برابر است با RMSE=0.085872و ضریب تعیین کل برابر است باR^2=0.9990 .ARD%=1.27891 میزان خطای مطلق میانگین شبکه برابر است با
Keywords:
فشار بخار ‚معادله واگنر ‚ شبکه ی عصبی ‚خطا ‚ هیدروکربن ها
Authors
نیلوفر یزدانی
دانشجوی کارشناسی ارشد
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 :