مطالعه روش نوین آموزش شبکه های عصبی مصنوعی با داده های آزمایشگاهی کم در مدلسازی فرآیند جداسازی غشایی

در مهندسی شیمی، شبکه های عصبی مصنوعی در مدلسازی فرآیندها کاربرد فراوانی دارند. برای آموزش شبکه های عصبی مصنوعی، از مجموعه ای از داده ها که معمولا داده های آزمایشگاهی میباشد استفاده میگردد. در این پژوهش با استفاده از نتایج مطالعه فرآیند جداسازی غشایی مخلوط بنزو [a] پیرن و n-tetradecane با تکنیک تراوش تبخیری که داده های آزمایشگاهی کمی در اختیار دارد(۳۰ داده)، ابتدا توسط یکی از روش های تولید داده مجازی۱، جمعیت داده توسعه داده شد؛ سپس با بکارگیری ترکیب داده های مجازی تولید شده و داده های آزمایشگاهی موجود، شبکه عصبی تحت آموزش قرار گرفت و نتایج حاصله و خطای پیشبینی بررسی گردید. یافته های پژوهش نشان داد افزایش تعداد داده های مجازی بکار رفته در روند آموزش شبکه باعث کاهش میزان خطای پیش بینی شبکه میشود بطوریکه این خطا با اعمال ترکیب ۵۰ داده مجازی و ۳۰ داده آزمایشگاهی نسبت به حالتی که تنها داده های آزمایشگاهی مورد استفاده قرار گرفتند به میزان ۴۳/۴% کاهش یافت.

کلیدواژه ها:

شبکه عصبی مصنوعی ، داده های آزمایشگاهی کم ، تولید داده مجازی ، جداسازی غشایی