مقاله مدل اکتیویتی کاتالیست راکتور هیدور فرمیلاسیون پروپیلن با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

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

  مقاله مدل اکتیویتی کاتالیست راکتور هیدور فرمیلاسیون پروپیلن با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مدل اکتیویتی کاتالیست راکتور هیدور فرمیلاسیون پروپیلن با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک  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 مدل اکتیویتی کاتالیست راکتور هیدور فرمیلاسیون پروپیلن با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مدل اکتیویتی کاتالیست راکتور هیدور فرمیلاسیون پروپیلن با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک :

تعداد صفحات:۱۳
چکیده:
فرآیند هیدرو فرمیلاسیون الفین ها یکی از فرآیندهای میانی و مهم واحدهای تولید اکسو الکل ها است. یکی از مشکلات عملیاتی فرایند سنتز اکسو، دی اکتیو شدن کاتالیست است. در این مقاله سعی شده است تا با استفاده از دادههای واحدصنعتی در طی ۸۲۲ روز از آغاز فرآیند، با شبیه سازی راکتور و حل معادلات موازنه جرم و انرژی برای آن، تغییر فعالیت اکتیویته کاتالیست محاسبه شده و سپس یک رابطه ریاضی برای تخمین اکتیویته کاتالیست به این داده ها برازش شد. بااستفاده از الگوریتم ژنتیک ضرایب بهینه رابطه ریاضی بدست آمد. همچنین یک مدل شبکه عصبی مصنوعی نیز برایتخمین اکتیویتی کاتالیست مورد استفاده قرار گرفت. برای این منظور مدل شبکه عصبی فید فوروارد با دو لایه پنهان به کار رفته که مدل شبکه عصبی ارائه شده و مدل ریاضی بهینه شده با الگوریتم ژنتیک به ترتیب با خطای مربعات متوسط×۱۰- ۲۰۴۱ و ۳ ×۱۰-۶۵۲ و خطای متوسط نسبی ۰۱۱۴۱ و ۰۶۰۲۷ در تخمین اکتیویته کاتالیست بدست آمدند در نهایت تطابق قابل قبولی بین هر دو مدل و داده های صنعتی مشاهده شد و نتایج نشان داد که شبکه عصبی می تواند به عنوان ابزاری قدرتمند در تخمین دی اکتیو شدن کاتالیست ها مورد استفاده قرار گیرد