پیش بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 209
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NSMSI-33-1_006
تاریخ نمایه سازی: 7 خرداد 1404
چکیده مقاله:
در این مقاله یک شبکه عصبی مصنوعی برای محاسبه حلالیت اکسیژن در حلال های آلی مورد بررسی قرار گرفته است. حلال های بررسی شده شامل متانول، پروپانول، اکتان، تولوئن، دی اتیل اتر و ۲-متیل تترا هیدروفورن هستند. داده ها برای بازه وسیعی از دما (K۲۹/۳۴۸ – ۲/۲۹۸) و فشار (MPa۲۳۳۸/۹ - ۰۵۳۵/۰) بررسی شده اند. ورودی های شبکه عصبی شامل جرم مولکولی، ضریب اسنتریک، دمای کاهیده و فشار کاهیده حلال مورد نظر هستند و خروجی شبکه عصبی حلالیت اکسیژن است. بهینه طراحی ممکن برای شبکه عصبی، شبکه پیش خور با الگوریتم پس انتشار خطا، تابع آموزش انتشار رو به عقب لونبرگ مارکوارت، تابع فعال سازی سیگمودی برای لایه مخفی با ۱۳ نرون در این لایه و تابع فعال سازی خطی برای لایه خروجی است. نتیجه ها نشان می دهند که توسط شبکه عصبی بهینه می توان مقدارهای حلالیت را با ضریب همبستگی (R۲) برابر ۹۹۹۹۹۷/۰، درصد میانگین انحراف نسبی (ARD%) برابر ۸۱۰۳/۰ و درصد میانگین انحراف مطلق (AAD%) برابر ۰۰۴۲/۰پیش بینی کرد. تحلیل حساسیت نشان می دهد که دمای کاهیده بیشترین تاثیر را بر روی خروجی شبکه عصبی یعنی حلالیت داراست.
کلیدواژه ها:
نویسندگان
علی ترجمان نژاد
تبریز، دانشگاه تبریز، دانشکده شیمی، گروه مهندسی شیمی
مهناز یاسمی
ایلام، ایوان غرب، دانشگاه آزاد اسلامی واحد ایوان غرب
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 :
