پیش بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی

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

 پیش بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی 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 پیش بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی :

نام کنفرانس، همایش یا نشریه : شیمی و مهندسی شیمی ایران

تعداد صفحات :۹

در این مقاله یک شبکه عصبی مصنوعی برای محاسبه حلالیت اکسیژن در حلال های آلی مورد بررسی قرار گرفته است. حلال های بررسی شده شامل متانول، پروپانول، اکتان، تولوئن، دی اتیل اتر و ۲- متیل تترا هیدروفورن هستند. داده ها برای بازه وسیعی از دما (۲۹۸.۲ – ۳۴۸.۲۹K) و فشار (۰.۰۵۳۵ – ۹.۲۳۳۸MPa) بررسی شده اند. ورودی های 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 پیش خور 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 می دهند که توسط شبکه عصبی بهینه می توان مقدارهای حلالیت را با ضریب همبستگی (R2) برابر ۰.۹۹۹۹۹۷، درصد میانگین انحراف نسبی (%ARD) برابر ۰.۸۱۰۳ و درصد میانگین انحراف مطلق (%AAD) برابر ۰.۰۰۴۲ پیش بینی کرد. تحلیل حساسیت نشان می دهد که دمای کاهیده بیشترین تاثیر را بر روی خروجی شبکه عصبی یعنی حلالیت داراست.

کلید واژه: حلالیت اکسیژن، حلال های آلی، شبکه عصبی، لونبرگ مارکوارت، تابع فعال سازی