بررسی عملکرد شبکه عصبی مصنوعی MLP، RBF و ORN در یک کانال افقی همراه با انتقال جرم و انتقال حرارت همزمان

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 29

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_NSMSI-35-2_015

تاریخ نمایه سازی: 8 خرداد 1404

چکیده مقاله:

در بیش تر فرایند های مهندسی شیمی پدیده های انتقال جرم و انتقال گرما مشخصه های جدایی ناپذیر فرایندها می باشند. در این پژوهش با استفاده از یک دستگاه آزمایشگاهی، به بررسی تجربی هم زمان این دو پدیده در فرایندهای مهندسی شیمی و تاثیراتی که بر روی هم و بر روی فرایندها می توانند داشته باشند، پرداخته شده است. در این دستگاه وجود پدیده های چگالش و تبخیر، باعث انتقال جرم شده و سرانجام بر ضریب انتقال گرمایی تاثیر می گذارند همچنین وجود انتقال جرم، توزیع دما در پدیده انتقال گرما را تغییر داده و باعث ایجاد تغییر کلی در شار گرمایی م ی شود. آزمایش های بسیاری با تغییر پارامتر های گوناگون مانند دما و شدت جریان برای هر دو سیال آب و هوا انجام گرفت، که از نتیجه های به دست آمده از این آزمایش ها در بررسی انواع شبکه عصبی مصنوعی و مقایسه عملکرد این شبکه ها با یکدیگر و  با نتیجه های به دست آمده از آزمایش ها استفاده شد. از جمله شبکه های عصبی به کار برده شده در این مقاله می توان به شبکه  RBF(Radial Basis exact Fit) و شبکه  MLP(Multi Layer Perceptron) و شبکه ORN (Optimal Regularization Network) اشاره نمود. بررسی های انجام شده بیانگر این است که شبکه MLP به دلیل نبود امکان برطرف کردن خطا و اغتشاش قادر به پیش بینی مناسب نبوده و شبکه ORN به دلیل دارا بودن مبنای نظری قوی تر و استفاده از روش های پیشرفته ریاضی مانند مقابله عدد دارای عملکرد بهتری است.

نویسندگان

فاطمه کریمی زاد گوهری

آمل، دانشگاه آزاد اسلامی واحد آیت الله آملی، دانشکده فنی مهندسی، گروه مهندسی شیمی

اکبر شاهسوند

مشهد، دانشگاه فردوسی مشهد، دانشکده فنی مهندسی

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 :
  • Himmelblau D.M., Hoskins J.C., Artificial Neural Networkmodels of Knowledge Representation ...
  • Venkatasubramanian V., Chan K., A Neural Network Methodology for Process ...
  • Watanabe K., Matsuura I., Abe M., Kubota M., Himmelblau D.M., ...
  • Chan W.M., Nascimento C.A.O., Use of Neural Networks for Modeling ...
  • Nascimento C.A.O., Guardani R., Giulietti M., Use of Neural Networks ...
  • Iliuta S.I.I., Lavric V., Two-Phase Downflow and Upflow Fixedbed Reactors ...
  • Nascimento C.A.O., Giudici R., Guardani R., Neural Network Based Approach ...
  • Guardani R., Onimaru R.S., Crespo F.C.A., Neural Network Model for ...
  • Xie G.N., Wang Q.W., Zeng M., Luo L.Q., Heat Transfer ...
  • Scalabrin G., Condosta M., Marchi P., Modeling Flow Boiling Heat ...
  • Movagharnejad K., Nikzad M., Modeling of Tomato Drying Using Artificial ...
  • Balcilar M., Dalkilic A.S., Wongwises S., Artificial Neural Network Techniques ...
  • Shahsavand A., Derakhshan Fard F., Sotoudeh F., Application of Artificial ...
  • Beigzadeh R., Rahimi M., Prediction of Heat Transfer and Flow ...
  • "Neural Network Toolbox, Using of Matlab ۷.۰" ...
  • Poggio T., Girosi F., Regularization Algorithms for Learning that are ...
  • Poggio T., Girosi F., Networks for Approximation and Learning, Proceedings ...
  • Shahsavand A., Ahmadpour A., Application of Optimal RBF Neural Networks ...
  • منهاج، محمد باقر؛ مبانی شبکه­های عصبی هوش مصنوعی، مرکز نشر ...
  • نمایش کامل مراجع