ارائه روش ترکیبی پیش پردازش داده ها در ماشین بردار رگرسیون جهت پیش بینی کیفیت گازوییل پالایش شده

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

 ارائه روش ترکیبی پیش پردازش داده ها در ماشین بردار رگرسیون جهت پیش بینی کیفیت گازوییل پالایش شده دارای ۲۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارائه روش ترکیبی پیش پردازش داده ها در ماشین بردار رگرسیون جهت پیش بینی کیفیت گازوییل پالایش شده  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 ارائه روش ترکیبی پیش پردازش داده ها در ماشین بردار رگرسیون جهت پیش بینی کیفیت گازوییل پالایش شده،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارائه روش ترکیبی پیش پردازش داده ها در ماشین بردار رگرسیون جهت پیش بینی کیفیت گازوییل پالایش شده :

نام کنفرانس، همایش یا نشریه : پژوهش نفت

تعداد صفحات :۲۰

از آنجا که دقت دادهای اندازه گیری شده فرآیندی در پیشبینی کیفیت محصولات بسیار مهم است، در این تحقیق بر روی پیش پردازش داده ها تمرکز گردید. برای این منظور حسگر مجازی برای تعیین کیفیت گازوییل خروجی از پایلوت تصفیه هیدروژنی طراحی شد. طراحی حسگر مجازی بر اساس یکی از روش های جدید یادگیری ماشین به نام ماشین بردار رگرسیون انجام گردید. برای پیش پردازش داده ها از تکنیک ترکیبی به صورت پشت سر هم متشکل از آنالیز موجک و کوانتیزاسیونبرداری به منظور حذف خطاهای تصادفی، متراکمسازی داده ها و چشمپوشی از داده هایی که شباهت کمتری به سایر داده ها دارند، استفاده گردید. روش های متفاوتی از آنالیز موجک برای حذف خطاهای تصادفی به کار برده شد و بهترین روش انتخاب گردید. آزمایشات حذف خطاهای تصادفی با استفاده از آنالیز موجک با تابع پایه هار و دابیچز و با الگوریتمهای انتخاب آستانه Heursure ،Rigrsure Minimaxi و Sqtwolog انجام شد. مقایسه نتایج نشان داد که روش Db4 به همراه روش آستانه گیری Rigrsure بهترین نتایج حذف خطا را به دنبال دارد. با استفاده از این روش مقدار عددی AARE و RMSE نسبت به انواع دیگر تابع موجک بهتر است. همچنین، معیار عملکردی AARE برای سنجش دقت پیش بینی مدل ماشین بردار رگرسیون استفاده گردید. مقدار AARE برابر ۰۵۳/۰ به دست آمد که نشان دهنده دقت بالای مدل در پیشبینی غلظت گوگرد خروجی از رآکتور میباشد.

کلید واژه: آنالیز موجک، حسگر مجازی، ماشین بردار پشتیبان، تلفیق داده ها، پیشبینی کیفیت