استفاده از شبکه ی عصبی در پیش بینی خواص ترمودینامیکی جایگزین های مبرد R-22 و مقایسه کارایی آنها در سیکل تبرید

Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,268

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ISME17_573

تاریخ نمایه سازی: 20 فروردین 1389

Abstract:

در این مطالعه با استفاده از شبکه عصبی پرسپترون چند لایه مدل خواص ترمودینامیکی R-22 و جایگزین هایش در هر دو ناحیه اشباع و ناحیه فوق گرم به دست آمد. خطاهای بسیار پایین بین خروجی های مدل و داده های واقعی نشانگر عملکرد مناسب شبکه عصبی در مدلسازی بود به طوری که مقدار R2 در تمامی مبردها هیچگاه از 0/998 پایین نیامد.

Authors

محمد امانی

دانشجوی کارشناسی دانشگاه علم و صنعت ایران

مهدی بحیرایی

دانشجوی دکتری

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 :
  • Pacheco-Vega A, Sen M, Yang KT, 2001, McClain RL. Neural ...
  • Domanski P, Didion D., 2005, Theoretical evaluation of R-22 and ...
  • Spatz M, Zheng J., 2004, R-22 alternative refrigerants: performance in ...
  • Jung D, Song Y, Park B., 2000, Performance of refrigerant ...
  • Sami, S., Song, B., 1996, Performance evaluation of a new ...
  • Kim, M., H., 2005, Performance evaluation of R-22 alternative mixtures ...
  • Sozen A, Arcakloglu E, Ozalp M. A new approach to ...
  • نمایش کامل مراجع