پیش بینی جرم حجمی معادله دابرت با استفاده از شبکه عصبی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 798
- 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:
CHCONF03_237
تاریخ نمایه سازی: 8 اسفند 1395
چکیده مقاله:
در این مقاله ، با استفاده از شبکه عصبی مصنوعی، مدلی برای پیش بینی جرم حجمی مایعات اشباع ا با استفاده از معادله دابرت، ارائه شده است.نحوه عملکرد شبکه عصبی پرسپترون چند لایه ای (MLP) در پیش بینی مقدار دانسیته مواد به کمک اطلاعات دمای بحرانی، فشار بحرانی، حجم بحرانی و جرم مولکولی مورد بررسی قرار گرفته است. در این پژوهش، 169 داده (هیدروکربن ساده) در دمای بین 280 تا 400 کلوین استفاده شد. مناسب ترین نوع شبکه عصبی مصنوعی برای پیش بینی جرم حجمی هیدروکربن ها، یک شبکه سه لایه پیشخور با الگوریتم پس انتشار خطا می باشد که در آن از تابع انتقال لگاریتمی – سیگموئید در لایه پنهان و تابع انتقال خطی در لایه خروجی بهره گرفته شده است. نتایج به دست آمده نشان می دهند که توسط شبکه عصبی بهینه طراحی شده می توان دانسیته را با ضرایب همبستگی (R2) برابر 0.9985 ، درصد میانگین انحراف نسبی (ARD) برابر 2.66% ، درصد میانگین انحراف مطلق (AAD) برابر 25.0201، درصد خطای متوسط نسبی (Bias) برابر با 0.0903 پیش بینی کرد
کلیدواژه ها:
نویسندگان
فاطمه صفار
دانشجوی کارشناسی ارشد مهندسی شیمی دانشگاه شمال آمل- گروه مهندسی شیمی
کامیار موقر نژاد
دانشیار دانشگاه صنعتی نوشیروانی بابل- گروه مهندسی شیمی
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 :