طراحی یک شبکه عصبی چندگانه به منظور بهبود بازدهی شناسایی یک واحد شیمیایی با استفاده از آموزش همبستگی منفی و الگوریتم ژنتیک

این مقاله به منظور ایجاد یک شبکه عصبی چندگانه، از ترکیب آموزش همبستگی منفی و ژنتیک الگوریتم استفاده می کند. در این روش مولفه های شبکه عصبی چندگانه بصورت همزمان آموزش میبینند. مولفه های شبکه عصبی بدست آمده از طریق شرط پنالتی موجود در تابع خطای آنها بصورت منفی با هم همبسته می شوند. خروجی پیش بینی شده با استفاده از میانگین وزنی خروجی های مولفه های شبکه عصبی بدست می آید. ژنتیک الگوریتم با اختصاص دادن وزن های مناسب به هر کدام از مولفه های شبکه عصبی آموزش دیده شده، در ایجاد شبکه عصبی چندگانه شرکت می کند. روش پیشنهادی بر روی پالایشگاه شیرین سازی گاز کارون از پروژه آماک مربوط به مناطق نفتخیز جنوب مورد آزمایش قرار گرفت و نتایج تست بدست آمده نشان داد که مدل بدست آمده به خوبی داده های تجربی را پیروی میکند. علاوه بر این روش پیشنهاد شده کارایی و عملکرد شبکه های عصبی یگانه و سایر تکنیک های ایجاد شبکه عصبی چندگانه را بهبود بخشیده است.

Keywords:

شیرین سازی گاز , محتوای گاز ترش , آلکانوآمین ها , شبکه عصبی چندگانه , آموزش همبستگی منفی , ژنتیک الگوریتم