مقاله تخمین نقطه ابری شدن سوخت بیودیزل با استفاده از شبکه عصبی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله تخمین نقطه ابری شدن سوخت بیودیزل با استفاده از شبکه عصبی دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله تخمین نقطه ابری شدن سوخت بیودیزل با استفاده از شبکه عصبی  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 تخمین نقطه ابری شدن سوخت بیودیزل با استفاده از شبکه عصبی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله تخمین نقطه ابری شدن سوخت بیودیزل با استفاده از شبکه عصبی :

تعداد صفحات:۹

چکیده:

آلایندگی، کمبود تجدید ناپذیری و افزایش بهای سوخت های فسیلی، اندیشمندان و محققان حوزه های مختلف علوم را واداشته تا به دنبال راهکارهای عملی برای فایق آمدن بر مشکلات و تبعات بحران انرژی باشند. امروزه سوخت بیودیزل به دلایل زیادی از جمله تجدیدپذیری و آلایندگی کمتر، به عنوان سوختی پاک و جایگزین مناسبی برای سوخت های فسیلی مطرح می باشد. خواص سوخت بیودیزل تحت تاثیر درصد وزنی استراسیدهای چرب موجود در آن می باشد. در این تحقیق به منظور بررسی تاثیر درصد وزنی اتیل استر اسیدهای چرب بر نقطه ابری شدن سوخت بیودیزل، این سوخت به روش ترنس استریفیکاسیون، ازهفت نوع روغن گیاهی تولید شد. ترکیبات موجود در سوخت های تولید شده به روش کروماتوگرافی گازی در ترکیب با اسپکتروسکپی جرمی با استفاده از آزمون GC-Mass تعیین گردید. سوخت های بیودیزل تولید شده با درصدها وزنی مشخص و متفاوتی با یکدیگر ترکیب شده و ۲۴۰ نمونه سوخت بیودیزل با درصدهای وزنی مشخصی از اتیل استر اسیدهای چرب به دست آمد. نقطه ابری شدن نمونه های به دست آمده مطابق با استاندارد ASTM D5773 اندازه گیری شد. از داده های به دست آمده به منظور مدل سازی نقطه ابری شدن سوخت بیودیزل بر اساس درصد وزنی اتیل استر اسیدهای چرب موجود در آن استفاده گردید. در ایجاد مدل شبکه عصبی، درصد وزنی اتیل استر اسیدهای چرب موجود در هر نمونه به عنوان ورودی های شبکه و نقطه ابری شدن اندازه گیری شده به عنوان خروجی شبکه در نظر گرفته شدند. با مقایسه نتایج حاصل از آزمون ساختارهای متفاوت در ایجاد مدل شبکه عصبی مصنوعی، استفاده از الگوریتم آموزشی trainlm با یک لایه مخفی و ۹ نرون در لایه مخفی، نسبت به سایر ساختارها نتایج بهتری از خود نشان داد. همچنین میانگین مربعات خطا ۰/۰۶۸۹ و ضریب همبستگی ۰/۹۲۷ میان نتایج حاصل از مدل و داده های اندازه گیری بدست آمد.