Artificial neural network modeling of plastic viscosity, yiled point and apparent viscosity for wheat starch solutions
محل انتشار: سومین کنگره ملی مهندسی نفت
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 959
فایل این مقاله در 10 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:
IPEC03_028
تاریخ نمایه سازی: 7 تیر 1393
چکیده مقاله:
Wheat starch is a carbohydrate polymer which is widely used in drilling muds in order to increase viscosity and decrease fluid loss. Rheological properties ofdrilling muds such as plastic viscosity, yield point and apparent viscosity play an essential role in selecting the most optimum composition of drilling mud underdiverse conditions. In this study, an artificial neural network system was used to predict plastic viscosity (PV), yield point (YP) and apparent viscosity (AV) ofwheat starch solutions. Multi-layer feed forward method was applied in the architecture of the artificial neural network due to its high accuracy. To predict plastic viscosity and yield point, the structure of feed-forward neural network wasdefinite 2:2:1 which refers to input layer, hidden layer and output layer. Thecoefficient of determination (R2) values obtained for training and validation data revealed how this approach is effective in estimating the output layer. The best structure of artificial neural network architecture obtained 3:3:1 for predicting apparent viscosity. R2 value (R2=0.994) of testing data obtained by artificial neural network system revealed the high accuracy of this approach in estimating apparent viscosity.
کلیدواژه ها:
نویسندگان
Meisam Mirarab Razi
Iran University of Science and Technology, Department of Chemical Engineering, Tehran, Iran
Mohammad Mazidi
Iran University of Science and Technology, Department of Chemical Engineering, Tehran, Iran
Fatemeh Mirarab Razi
Mathematics and Computer Science Department, Amirkabir University of Technology, Tehran, Iran
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 :