Estimation of thermal conductivity of pure Liquids by using artificial neural networks
محل انتشار: نخستین کنفرانس بین المللی نفت، گاز و پتروشیمی با رویکرد توسعه پایدار (ارتباط دانشگاه با صنعت)
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 663
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
OGPD01_041
تاریخ نمایه سازی: 1 مهر 1394
چکیده مقاله:
A Feed-forward back propagation neural network is proposed to predict thermal conductivity of pure liquids at a wide range of temperatures based on their molecular weight, critical temperature, critical pressure. The weights and biases are optimized to minimize error between experimental calculated thermal conductivity data. Based on results, the best structure for neural network is logsig transfer function for hidden layer with 16 neurons in this layer. Results show that the model was able to estimate the liquids thermal conductivity satisfactorily. Average relative deviation percent for compounds is in range of 0.02% to 2%. Results show that optimum neural network architecture is able to predict thermal conductivity of pure liquids level of accuracy ARD % of 0.514, R2 of 0.9972 and RMS of 9.7×10-4.
کلیدواژه ها:
نویسندگان
Parisa Rashidi
Faculty of Engineering, Tehran North Branch, Islamic Azad University, Tehran, Iran,
Ali Tarjomannejad
Department of chemical engineering & Petroleum, University of Tabriz, Tabriz, Iran,
Mahnaz Yasemi
Department of Chemistry, Eyvan-e-Gharb university Branch, Islamic Azad University, Eyvan, Iran,
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :