ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

A New Enhanced Strategy Based on MLP Neural Network For CalculatingCoefficient in Dense-diluted Liquids

سال انتشار: 1394
کد COI مقاله: PETROICT04_030
زبان مقاله: انگلیسیمشاهده این مقاله: 511
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A New Enhanced Strategy Based on MLP Neural Network For CalculatingCoefficient in Dense-diluted Liquids

Razagh Hafezi - Maintenance Engineer of Optical Fibers and CCTV Systems, Sarkhoon & Qeshm Gas TreatingCompany,Bandar abbas, Iran
Yasha Hasanzadeh - Senior Shift Operation, Sarkhoon & Qeshm Gas Treating Company, Bandar abbas, Iran

چکیده مقاله:

A new optimum, mathematically developed correlation has been proposed that strictly applicable to estimate diffusion coefficient in diluted solutions. Comparison has been done between the earlier most used correlation, Wilke, and new developed correlation. Amount of deviation of results in compare to experimental data has been calculated. Variety ranges of data points (upper than 280 points in various conditions of pressure and temperature) which are cited in previous experimental works have been used as a general major empirical data source for developing process. Artificial Neural Network has the ability to identify nonlinear dynamic systems fromtraining data. This paper describes the use of ANN for predicting the diffusion coefficient in dense-diluted liquids. In our approach, the input descriptors obtained from experimental data. The results extracted from MLP neural network showing that our method is better than other formulas and methods

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا PETROICT04_030 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/453774/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Hafezi, Razagh and Hasanzadeh, Yasha,1394,A New Enhanced Strategy Based on MLP Neural Network For CalculatingCoefficient in Dense-diluted Liquids,4st Petro ICT Conference & Exhibition,Tehran,https://civilica.com/doc/453774

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394, Hafezi, Razagh؛ Yasha Hasanzadeh)
برای بار دوم به بعد: (1394, Hafezi؛ Hasanzadeh)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی