تحلیل و پیش بینی وابسته به زمان نتایج آزمایشگاهی داده‏های حاصل از سیم داغ با کمک شبکه عصبی دینامیکی

یکی از ابزار قدرتمند در پیش بینی رفتار و پاسخ‏های سیستم در حوزه مهندسی شبکه عصبی می‏باشد. در کار حاضر با استفاده از یک شبکه عصبی وابسته به زمان داده‏های موجود حاصل از کار آزمایشگاهی برای مطالعه پارامترهای توربولانس مورد پردازش قرار گرفته است. مدل شبکه عصبی مدل پیش خور می‏باشد و برای تابع آموزش از الگوریتم لونبرگ- مارکوارادت استفاده شده است. داده‏های حاصل از پراب دوبعدی و یک بعدی سیم داغ که به صورت ولتاژ می‏باشد با انطباق آن‏ها به مقادیر سرعت توسط منحنی کالیبراسیون و تبدیل به بردار سرعت، به عنوان داده‏های ورودی برای آموزش شبکه عصبی مورد استفاده قرار گرفته‏اند. شبکه در دو حالت یک بعدی و دوبعدی آموزش داده شده و نتایج برای حالات دیگر با داده‏های آزمایشگاهی مقایسه گردیده است که نتایج شبکه عصبی انطباق مناسبی با نتایج داده‏های دقیق ارائه می‏کند و همچنین مدلی برای میان یابی و پیش بینی حالات میانی ارائه گردیده است.