پیش بینی هوشمندانه خصوصیات تخته خرده چوب با استفاده از شبکه عصبی مصنوعی
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 131
فایل این مقاله در 12 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:
JR_IJWPR-29-2_007
تاریخ نمایه سازی: 14 آذر 1400
چکیده مقاله:
چکیده شبکه های عصبی در دهه ی اخیر به عنوان ابزار قدرتمندی جهت پیش بینی در حوزه های مختلف مورد استفاده قرار گرفته اند. در این تحقیق از شبکه عصبی پیشخور پرسپترون چند لایه (MLP) با یادگیری پس انتشار از الگوریتم آموزش انتشار به عقب (BP)، با تکنیک بهینه سازی عددی لونبرگ- مارکوات (LM)،توسط نرم افزار متلب مورد استفاده قرار گرفت. درصد رطوبت کیک ، دمای پرس و زمان بسته شدن پرس به عنوان متغیرهای ورودی و خواص واکشیدکی ضخامت(TS) بعد ۲ و ۲۴ ساعت و جذب آب WA)) بعد ۲و ۲۴ ساعت و دانسیته، خروجی مدل تخته خرده چوب استفاده شد. این تکنیک قابلیت تطبیق پذیری شبکه را افزایش داده و ضعف و کمبود داده های مورد استفاده را تا حد زیادی برطرف می کند. با استفاده از داده های واقعی ، پیش بینی های انجام گرفت و با مقادیر واقعی مورد مقایسه قرار گرفته و کارایی روش های مورد استفاده، با استفاده از آماره های با معیارهای میانگین مربعات خطا (MSE)، ریشه ی میانگین مر بعات خطا(RMSE)، و ضریب همبستگی R۲)) مورد ارزیابی قرار گرفت. براساس کلیه معیارها، مدل شبکه عصبی مصنوعی خطای کمتر و در نتیجه کارایی بیشتری در تعیین خواص واکشیدکی ضخامت(TS)، جذب آب WA)) و دانسیته تخته خرده چوب داشته است. واژه های کلیدی: مدل سازی ، تخته خرده چوب ، خواص فیزیکی، شبکه عصبی مصنوعی
کلیدواژه ها:
نویسندگان
زهرا جهانی لمر
کارشناس ارشد، علوم و صنایع چوب و کاغذ، دانشکده منابع طبیعی، دانشگاه زابل
سعید رضا فرخ پیام
استادیار دانشکده منابع طبیعی، عضو هیئت علمی، گروه علوم و صنایع چوب و کاغذ دانشگاه زابل
محمد شمسیان
استادیار دانشکده منابع طبیعی، عضو هیئت علمی، گروه علوم و صنایع چوب و کاغذ دانشگاه زابل
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 :