مدل سازی شبکه عصبی موجک با استفاده از روش سهم گروه ها برای پیش بینی دانسیته ی آلکان ها و سیکلوآلکان ها در محدوده ی وسیعی از دما و فشار

thesis
abstract

در این پایان نامه، از مدل شبکه عصبی موجک برای پیش بینی دانسیته آلکان ها از 2 تا 19 کربنه و سیکلوآلکان ها در محدوده ی وسیعی از دما و فشار استفاده شده است. دو شبکه عصبی موجک برای پیش بینی دانسیته مدل سازی شد: یکی برای گازهای طبیعی (آلکان های 2 تا 4 کربنه) و دیگری برای آلکان های خطی 5 تا 19 کربنه و سیکلوآلکان ها. در ابتدا، مدل شبکه عصبی موجک برای گازهای طبیعی با دو متغیر دما و فشار و توصیف‎کننده بر مبنای روش سهم گروه شامل متیل و متیلن طراحی گردید. سپس جهت به کارگیری شبکه عصبی موجک، برنامه ی رایانه ی در محیط matlab نوشته شد و پس از آموزش شبکه، پارامترهای شبکه شامل ممنتم، سرعت آموزش، تعداد نرون لایه ی مخفی و تعداد دور آموزش بهینه‎سازی گردید. کارایی شبکه ی بهینه شده با رسم نمودار مقادیر تجربی دانسیته بر حسب مقادیر پیش بینی شده برای دو سری پیش بینی و تایید مورد ارزیابی قرار گرفت. نتایج حاصل با متوسط درصد خطای نسبی کمتر از 0/9% کارایی مطلوب شبکه را تایید می کند. در مرحله ی بعد، مدل شبکه ی عصبی موجک برای پیش بینی دانسیته‎ی آلکان های خطی از 5 تا 19 کربنه وسیکلوآلکان ها با 5 توصیف کننده شامل دما وفشار و تعداد گروه های متیل، متیلن و متین طراحی و بهینه سازی گردید. رفتار کاملاّ خطی با ضریب همبستگی r2≥0/9486 مشاهده گردید. این روش دانسیته ی این ترکیبات را با متوسط درصد خطای نسبی کمتر از 1/1% پیش بینی می کند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

مدل سازی شبکه عصبی موجک با استفاده از روش سهم گروهها برای پیش بینی دانسیته کتون ها در محدوده وسیعی از دما و فشار

در این پایان نامه، از مدل شبکه ی عصبی موجک (wnn) برای پیش بینی دانسیته ی کتون ها در محدوده ی وسیعی از دما و فشار استفاده شده است. در ابتدا مدل شبکه ی عصبی موجک با دو متغیر دما، فشار و توصیف کننده هایی برمبنای روش سهم گروه شامل تعداد گروه های متیل، متیلن، متین وگروه عاملی کربونیل برای هر یک از کتون ها طراحی گردید. سپس جهت به کارگیری شبکه ی عصبی موجک برنامه ای رایانه ای در محـیط برنامه نویسی matl...

15 صفحه اول

پیش بینی سطح عمومی قیمت ها و تورم در ایران با استفاده از شبکه عصبی

(صحت مطالب مقاله بر عهده نویسنده است و بیانگر دیدگاه مجمع تشخیص مصلحت نظام نیست)  هدف این مقاله پیش بینی روند تورم و شاخص قیمت ها در اقتصاد ایران است. داده‌های این مقاله شامل تورم سالانه و داده‌های ماهانه شاخص قیمت مصرف‌کننده در ایران از سال 1340 تا 1392 می باشد. در این تحقیق برای پیش بینی تورم از شبکه عصبی مصنوعی استفاده شده است. برای پیش‌بینی تورم ماهانه از یک شبکه پس‌انتشار خطا(BP) با 15 نر...

full text

شبیه سازی و پیش بینی جریان رودخانه ها با استفاده از شبکه عصبی و مدل فوریه

مقاله حاضر به بررسی نحوه عملکرد شبکه های عصبی mlp در ارتباط با خروجی مدل فوریه، fsam، می پردازد. مدل fsam که مدل شبیه ساز بارش است، تحلیل مدل های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای arima را در درون خود دارد، ارائه می دهد. کاربرد همزمان شبکه های عصبی mlp و مدلfsam، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می سازد. ...

full text

کاربرد مدل شبکه ی عصبی در پیش بینی فشار نقطه ی شبنم میادین گاز میعانی ایران

full text

پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA

تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...

full text

پیش بینی بارش ماهانه ایستگاه سینوپتیک کرمانشاه با استفاده از مدل ترکیبی شبکه عصبی و موجک

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023