پیش بینی میزان محصولات واحد کاهش گرانروی با استفاده از شبکه های عصبی پرسپترون چند لایه و روش آماری
Publish place: 12th National Iranian Chemical Engineering Congress
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,648
This Paper With 9 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:
NICEC12_379
تاریخ نمایه سازی: 30 شهریور 1387
Abstract:
در این مقاله به شبیه سازی واحد کاهش گرانروی با استفاده از شبکه های عصبی مصنوعی پرداخته شده است . به طوری که با قیمانده ی برج خلاء شامل (API) و درصد کربن کنرادسون (CCR) به عنوان ورودی به شبکه و گاز ، بنزین، گازوئیل ، تقطیر شده ها، باقیمانده ی واحد و درصد تبدیل به عنوان خروجی شبکه در نظر گرفته شده اند . این مقاله، با توجه به ویژگیهای خوراک ورودی،درصد محصولات بوجود آمده از واحد کاهش گرانروی را با استفاده از شبکه های عصبی تخمین می زند و در نتیجه به مهندسین فرآیند این امکان را می دهد که با دانستن ویژگیهای خوراک ورودی و بدون نیاز به فرایند عملی، درصد مقدار تمامی محصولات خروجی واحد کاهش گرانروی رابه طور همزمان و با دقت مناسب مشاهده کنند . سپس نتایج شبکه ی عصبی بهینه که ا ز نوع شبکه ی پرسپترون چند لایه با آموزش پس انتشار و متوسط خطای تست 0/01 درصد بوده است را با نتایج مدل سازی آماری این واحد مقایسه کرده و در نهایت کارایی بهتر شبکه های عصبی مصنوعی را مشاهده می نماییم.
Keywords:
Authors
محسن حیاتی
گروه برق، دانشکده فنی مهندسی، دانشگاه رازی
غلامرضا زاهدی
مرکز شبیه سازی و هوش مصنوعی، گروه مهندسی شیمی، دانشکده فنی مهندسی، د
سید سعید یحیایی
دانشجو کارشناسی ارشد الکترونیک، دانشکده فنی مهندسی، دانشگاه رازی
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 :