مدلسازی احتراق در محیط متخلخل با الگوریتم ماشین بردار پشتیبان

با توجه به پرهزینه بودن و زمان طولانی اندازهگیریها در واکنشهای احتراقی، استفاده از تکنیکهای مدلسازی میتواند جایگزین مناسبی برای پیشبینی مشخصه های احتراق در شرایط جدید باشد. یک مدل مناسب باید بتواند شرایط جدید را با دقت خوبی پیش بینی کند. انتخاب نرمافزار مناسب برای توسعه مدل در دقت آن بسیار تاثیرگذار است. از آنجایی که ماشین بردار پشتیبان (SVM) و شبکههای عصبی مصنوعی (ANN) دو ابزار مهم مدلسازی هستند، در این گزارش به منظور توسعه یک مدل جدید برای تعیین مشخصههای فرآیند احتراق فیلتراسیون، مقایسه دقت دو مدل انجام شده است. نتایج شبیه سازیها نشان میدهد که در واکنشهای احتراقی هر دو مدل مبتنی بر ماشین بردار پشتیبان و شبکههای عصبی مصنوعی از دقت بالایی برخوردار بوده بالای 99.99٪ و تنها تفاوت آنها سرعت بالای ماشین بردار پشتیبان است

کلیدواژه ها:

احتراق فیلتراسیون ، ماشین بردار پشتیبان ، شبکه های عصبی مصنوعی ، سرعت انتشار