مدل سازی و بهینه سازی واحد تولید هیدروژن با شبکه ی عصبی مصنوعی و الگوریتم ژنتیک
Authors
abstract
هدف اصلی این پژوهش، مدل سازی واحد صنعتی تولید هیدروژن براساس تبدیل متان با بخار آب با کاربرد شبکه ی عصبی مصنوعی است. عامل های دبی فراورده و انرژی مصرفی به عنوان عامل های خروجی مدل در نظر گرفته شد و دو شبکه ی عصبی مجزا برای پیش بینی این دو عامل مدنظر قرارگرفت. نتیجه های مدل سازی با دقت بسیار خوب، خطای متوسط مطلق، خطای متوسط نسبی و خطای احتمالی بین داده های واقعی کارخانه و مدل را به ترتیب برابر با 2/14، 1/21 و 2/9 برای شبکه ی اول و 0/37، 0/84 و 0/55 برای شبکه ی دوم پیش بینی کرد. بر اساس تجزیه حساسیت، دمای گاز سنتز خروجی از مبدل، بیشترین تأثیر را بر تولید هیدروژن و دبی جریان گاز اتلافی به عنوان تأثیرگذارترین عامل بر میزان مصرف انرژی واحد شناخته شدند. پس از مدل سازی واحد، از الگوریتم ژنتیک به منظور یافتن شرایط عملیاتی بهینه استفاده شد. به این صورت که سود ناخالص به دست آمده از فرایند به عنوان تابع هدف مدنظر قرار گرفت و عامل های عملیاتی به منظور دست یابی به حداکثر سود با استفاده از الگوریتم ژنتیک بهینه شد. نتیجه های الگوریتم ژنتیک سود به دست آمده از فرایند را 42/56 دلار بر ساعت پیش بینی کرد که 25 درصد بیشتر از میانگین سود واحد در شرایط واقعی است.
similar resources
مدلسازی و بهینه‌سازی واحد تولید هیدروژن با شبکه‌ی عصبی مصنوعی و الگوریتم ژنتیک
هدف اصلی این پژوهش، مدلسازی واحد صنعتی تولید هیدروژن براساس تبدیل متان با بخار آب با کاربرد شبکه‌ی عصبی مصنوعی است. عامل‌های دبی فراورده و انرژی مصرفی به عنوان عامل‌های خروجی مدل در نظر گرفته شد و دو شبکه‌ی عصبی مجزا برای پیشبینی این دو عامل مدنظر قرارگرفت. نتیجه‌های مدلسازی با دقت بسیار خوب، خطای متوسط مطلق، خطای متوسط نسبی و خطای احتمالی بین داده‌های واقعی کارخانه و مدل را به ترتیب برابر ...
full textمدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی
ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...
full textمدل‌کردن و بهینه سازی سنتز آنزیمی کافئیک اسید فن اتیل استر با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک
در این تحقیق، واکنش کافئیک اسید و 2- فنیل اتانول در حضور لیپاز تثبیت شده از مخمر آنتارکتیکا (نووزیم 435) به منظور تولید کافئیک اسید فن اتیل استر در سیستم ایزواکتان با استفاده از روش‌های شبکه عصبی مصنوعی و ژنتیک الگوریتم مدل سازی و بهینه گردید. بدین منظور ازیک طرح مرکب مرکزی چرخش پذیر با 4 متغیر و 5 سطح جهت مدل کردن واکنش آنزیمی به کمک شبکه عصبی مصنوعی استفاده شد. متغیرهای مستقل شامل دما، زمان، ...
full textمدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک
دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...
full textبهینه سازی مشخصات ابعادی در اتصال مواد مرکب چند لایه به کمک شبکه عصبی مصنوعی و الگوریتم ژنتیک
در این مقاله حالات و بارهای گسیختگی برای اتصالات چندپینی در ورق مواد مرکب الیاف شیشهای اپوکسی تک جهته، با استفاده از روش اجزای محدود و آزمونهای تجربی تحلیل میشوند. به علاوه با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک، الگویی معرفی میشود که در آن پین‌ها در موقعیت بهینه‌شده‌ای قرار گیرند. در اتصالات چند پینی، تغییرات گام نسبت به قطر پین، عرض ورق نسبت به قطر پین و نسبت فاصله از لبه ورق به...
full textMy Resources
Save resource for easier access later
Journal title:
پژوهش های کاربردی در شیمیجلد ۷، شماره ۴، صفحات ۵-۱۵
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023