تحلیل واحد آسفالت زدایی پالایشگاه با استفاده از روش پرسپترون چند لایه و تابع شعاعی

شبکه های عصبی مصنوعی در مدل سازی و شبیه سازی سیست م های صنا یع شیمیایی که سیست م های چند متغی ره با تعداد متغیر های حالت زیاد می باشد، بسی ار کاربرد دارد . در این مقاله با طراحی یک شبکه عصبی چند لایه پرسپترون (MLP) و تابع شعاعی (RBFN) که دو نوع از پرکاربردترین رو ش ها در شبکه های عصبی می باشد، معادلات واحد آسفالت زدایی پالایشگاه مورد تحلیل قرارگرفته و توانایی بسیار بالا در تقریب توابع غیر خطی با حد اقل خطای ممکن در این دو شبکه به اثبات رسیده است. تمامی شبکه ها دارای 45 داده، دو داده ورودی و سه داده خروجی می باشد. شبکه با الگوریتم های آموزشی مختلف طراحی گردیده است و در نهایت بهترین الگوریتم آموزش با تعداد نرون مناسب جهت شبکه عصبی چند لایه پرسپت رون و تعداد نرون و اسپرید مناسب جهت شبکه عصبی تابع شعاعی بدست آمده است.

کلیدواژه ها:

آسفالت زدایی ، شبکه عصبی مصنوعی ، پرسپترون چند لایه ، تابع شعاعی