پیش بینی و تخمین خواص هیدروژن اشباع با استفاده از شبکه عصبی مصنوعی
- سال انتشار: 1395
- محل انتشار: کنفرانس بین المللی پژوهش در علوم و مهندسی
- کد COI اختصاصی: ICRSIE01_222
- زبان مقاله: فارسی
- تعداد مشاهده: 572
نویسندگان
دانشجوی مهندسی صنایع شیمیایی دانشکده فنی شهیدچمران اهواز -
دانشجوی مهندسی صنایع شیمیایی دانشکده فنی - شهیدچمران گرگان
چکیده
خواص ترمودینامیکی هیدروژن مانند فشار بخار، دانسیته، ظرفیت حرارتی و هدایت حرارتی در طراحی واحدهای مختلف شیمیایی بسیاراهمیت دارند. در این مقاله شبکه عصبی انتخاب شده، شبکه پیشخور با الگوریتم پس انتشار خطا با تابع آموزش انتشار رو به عقب لونبرگمارکوارت است. ورودی به شبکه عصبی دما است و خروجی شبکه خواص هیدروژن در حالت اشباع هستند که شامل فشار بخار، دانسیته مایع و بخار، آنتالپی مایع و بخار، ظرفیت حرارتی مایع و بخار، ویسکوزیته مایع و بخار، هدایت حرارتی مایع و بخار و کشش سطحی مایعاست. تعداد نقاط برابر 201 است. برای آموزش شبکه 70 % ، برای تعیین اعتبار 20 % و برای تست شبکه عصبی 10 % داده ها به کار رفته اند. بر اساس نتایج به دست آمده، بهینه طراحی ممکن برای شبکه عصبی، تابع فعال سازی سیگمودی برای لایه مخفی با 14 نرون در این لایه و تابع فعال سازی خطی برای لایه خروجی است. نکلیدواژه ها
هیدروژن، خواص ترمودینامیکی، شبکه عصبی، توابع فعالسازی، حالت اشباعمقالات مرتبط جدید
- بررسی به کارگیری سیستم ذخیره سازی انرژی با استفاده از منابع انرژی تجدیدپذیر
- اقدامات لازم برای حفاظت از محیط زیست دریایی
- ارائه طرح مبتنی بر رایانش ابری جهت ارتقاء بهره وری صنایع خودروسازی (مطالعه موردی: مدیران خودرو)
- مروری بر تکنولوژی ماکرویو برای خردایش سنگ های کمیاب
- کاربرد و بکارگیری تکنولوژی های اینترنت اشیا ، یادگیری ماشین و پردازش تصویر در امنیت و کنترل خودرو
اطلاعات بیشتر در مورد 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.