بررسی سه نوع شبکه عصبی مصنوعی برای مدلسازی افت فشار در سیکلونهای جداسازی گاز-جامد و بهینه سازی سیکلون با الگوریتم ژنتیک

در این مقاله به منظور بررسی ارتباط بین افت فشار سیکلون جداسازی و پارامترهای هندسی سیکلون غبارگیری ، سه نوع شبکه عصبی مصنوعی انتشار بازگشتی ۱، شبکه عصبی تابع پایه شعاعی ۲ و شبکه عصبی رگرسیون تعمیم یافته ۳ به کار گرفته شده اند. پس از آموزش آنها با دادههای تجربی ، پارامترهای بهینه عملکردی هر کدام شبکه ها، با روش جستجوی چند مرحله ای ۴ به دست آمدهاند. شبکه ها بر اساس میزان ضریب همبستگی ۵، خطای مربع میانگین و زمان آموزش باهم مقایسه شده و مشاهده شد که هر سه شبکه می توانند با موفقیت سیکلون را مدل کنند. شبکه تابع پایه شعاعی با ضریب همبستگی برابر با ۱ بالاترین عملکرد تعمیم یافته ۶ و با خطای میانگین مربع ۷ برابر با۱/۶۰۶۷×-۲ ۱۰ کم ترین خطا را نسبت به دو شبکه دیگر دارد. پاسخ پیش بینی شبکه انتخابی با پاسخ روشهای تجربی و آماری مقایسه شده و برتری شبکه عصبی انتخابی نسبت به سایر مدل ها به وضوح مشخص شده است . نتایج نشان دهندمی که شبکه عصبی می تواند جایگزین بسیار خوبی برای مدلس ازی افت فشار سیکلونها باشد.

کلیدواژه ها:

سیکلون ، افت فشار ، ابعاد هندسی ، شبکه عصبی ، ضریب پخش ، نرون