دانش رسان |
مرکز علم و دانش کشور مقاله پیش‌بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله پیش‌بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله پیش‌بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله پیش‌بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله پیش‌بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی :
تعداد صفحات :۱۲
در این مقاله یک شبکه عصبی مصنوعی برای محاسبه حلالیت اکسیژن در حلال‌های آلی مورد بررسی قرار گرفته است. حلال‌های بررسی شده شامل متانول، پروپانول، اکتان، تولوئن، دی اتیل اتر و ۲-متیل تترا هیدروفورن هستند. داده‌ها برای بازه وسیعی از دما (K29/348 – 2/298) و فشار (MPa2338/9 – 0535/0) بررسی شده‌اند. ورودی‌های شبکه عصبی شامل جرم مولکولی، ضریب اسنتریک، دمای کاهیده و فشار کاهیده حلال مورد نظر هستند و خروجی شبکه عصبی حلالیت اکسیژن است. بهینه طراحی ممکن برای شبکه عصبی، شبکه پیش‌خور با الگوریتم پس انتشار خطا، تابع آموزش انتشار رو به عقب لونبرگ مارکوارت، تابع فعال سازی سیگمودی برای لایه مخفی با ۱۳ نرون در این لایه و تابع فعال سازی خطی برای لایه خروجی است. نتیجه ها نشان می‌دهند که توسط شبکه عصبی بهینه می‌توان مقدارهای حلالیت را با ضریب همبستگی (R2) برابر ۹۹۹۹۹۷/۰، درصد میانگین انحراف نسبی (ARD%) برابر ۸۱۰۳/۰ و درصد میانگین انحراف مطلق (AAD%) برابر ۰۰۴۲/۰پیش بینی کرد. تحلیل حساسیت نشان می‌دهد که دمای کاهیده بیشترین تأثیر را بر روی خروجی شبکه عصبی یعنی حلالیت داراست.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
