پیش بینی خواص مکانیکی ژئوپلیمرها با استفاده از شبکه های عصبی
Publish place: 7th Iranian Ceramic Congress
Publish Year: 1388
Type: Conference paper
Language: Persian
View: 1,518
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICC07_046
Index date: 30 March 2009
پیش بینی خواص مکانیکی ژئوپلیمرها با استفاده از شبکه های عصبی abstract
در این کار ما با هدف پیش بینی و بهینه سازی خواص ژئوپلیمرها بیش از 50 داده مربوط به استحکام فشاری 7 روزه ژئوپلیمرهای تهیه شده از متاکائولن را از مراجع جمع آوری کردیم . پس از آن یک شبکه سه لایه ای طراحی کردیم که پارامترهای ورودی آن نسبت Na2O/K2O و H2O/R2O ،SiO2/Al2O3 ،R2O/Al2O 3 می باشد. (R=Na or K) و پارامتر خروجی آن استحکام فشاری می باشد. از داده های جمع آوری شده برای آموزش و آزمایش شبکه عصبی استفاده کردیم که با استفاده از روش آموزش لونبرگ مارکوارد(Levenberg-Marquardt) تعدیل شده توسط مککی (MacKay) تطابقت خوبی بین پیش بینی شبکه و داده های تجربی برای هر دو سری داده های آموزش و آزمایش بدست آمد . در نهایت از شبکه عصبی آموزش داده شده برای پیش بینی استحکام فشاری و خمشی بسته به نسبت های مختلف Na2O/K2O و H2O/R2O ،SiO2/Al2O3 ،Na2O/Al2O3 استفاده شد و بهینه این نسبت ها بترتیب برابر 1.2 - 1، 3.8 - 3.6 ، 11-10 و 1-0.6 پیش بینی شد.
پیش بینی خواص مکانیکی ژئوپلیمرها با استفاده از شبکه های عصبی authors
مجتبی نقوی
Ceramic Department, Materials and Energy Research Center (MERC)
یداله گنج خانلو
Ceramic Department, Materials and Energy Research Center (MERC)
حسین نورانیان
Ceramic Department, Materials and Energy Research Center (MERC)
امیر کمالو
Ceramic Department, Materials and Energy Research Center (MERC)
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 :