مقایسه نتایج حاصل از شبکه‏ های عصبی MLP و RBF در پیش‌بینی نتایج حاصل از همزمانی پدیده‏ های انتقال جرم و انتقال حرارت

در اکثر فرآیند‌های مهندسی شیمی پدیده‌های انتقال جرم و انتقال حرارت جزء جدایی‌ناپذیر فرآیند‌ها می‌باشند. در این مقاله با استفاده از یک دستگاه آزمایشگاهی، به بررسی تجربی همزمان این دو پدیده در فرآیند‌های مهندسی شیمی و تاثیراتی که بر‌روی هم و بر‌روی فرآیند‌ها می‌توانند داشته باشند، پرداخته شده است. در این دستگاه وجود پدیده‌های چگالش و تبخیر که در اثر انتقال حرارت ایجاد می‌شوند، می‌توانند باعث انتقال جرم شده و در نهایت بر ضریب انتقال حرارت تاثیر می‌گذارند همچنین وجود انتقال جرم، توزیع دما در پدیده انتقال حرارت را تغییر داده و باعث ایجاد تغییرات کلی در شار حرارتی می‌گردد. آزمایشات متعددی با تغییر پارامتر‌های مختلف مانند دما و دبی برای هر دو سیال آب و هوا انجام گرفته است؛ که از نتایج حاصل از این آزمایشات در بررسی انواع شبکه عصبی مصنوعی و مقایسه عملکرد این شبکه‌ها با یکدیگر و با نتایج حاصل از آزمایشات استفاده شده است. از جمله شبکه‌های عصبی استفاده شده در این مقاله می‌توان به شبکه Radial Basis Function یا RBFو شبکهMulti Layer Perceptron یا MLP اشاره نمود. بررسی‌های انجام شده حاکی از این است که شبکه MLP به‌دلیل عدم امکان فیلتر نمودن نویز قادر به پیش‌بینی مناسب نیست درحالی‌که شبکه RBF به‌دلیل دارا بودن مبنای تئوری قویتر عملکرد بهتری را دارا می‌باشد.