استفاده از شبکه های عصبی مصنوعی در مدل سازی شعله های غیر پیش مخلوط مغشوش به کمک روش فلیملت آرام
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده مهندسی مکانیک
- author امیر عشقی نژاد
- adviser محسن دوازده امامی احمد صابونچی
- Number of pages: First 15 pages
- publication year 1387
abstract
در این پایان نامه از مدل فلیملت آرام در کنار شبکه های عصبی مصنوعی جهت مدل سازی شعله های غیر پیش مخلوط مغشوش و پیش بینی کسر جرمی گونه ها و دما استفاده شده است. در مرحله اول، کسر جرمی ها و دما از نتایج حل شعله های دیفیوژن جریان مخالف و با در نظر گرفتن اثرات دیفیوژن دیفرانسیلی(اختلاف عدد لوئیس گونه ها از یک) بدست آمده و به کسر مخلوط و نرخ استهلاک اسکالر مربوط می شود. در مرحله دوم انتگرال گیری عددی به ازای مقادیر مختلف کسر مخلوط متوسط، واریانس آن و نرخ استهلاک اسکالر انجام شده و مقدار متوسط فاوره کمیتهای ترموشیمیایی جریان بدست آمده و یک شبکه عصبی ساخته شده و با قرار دادن ضرایب وزن و بایاس آن در کد حل معادلات بقاء، پیش بینی کسر جرمی ها(یا دما) صورت می گیرد. استفاده از مدل فوق این مزیت را دارد که نیازی به حل معادله انتقال تک تک گونه ها نیست. همچنین می توان غلظت گونه های مختلف از جمله آلاینده ها را در دامنه حل بدست آورد که در مدلهای ساده تر مانند شعله-صفحه ای، این امکان وجود ندارد. نتایج عددی بدست آمده دقت مناسب مدل فلیملت را نشان می دهد؛ ضمن آنکه می توان با صرفنظر از اثرات دیفیوژن دیفرانسیلی، دقت محاسبات را در شعله های مغشوش افزایش داد. دیگر نتیجه قابل ذکر این تحقیق کاهش چشم گیر زمان محاسبات به کمک شبکه های عصبی مصنوعی است
similar resources
استفاده از شبکه های عصبی مصنوعی در مدل فلیملت آرام جهت مدل سازی احتراق گستره ای قابل توجه از شعله های غیرپیش مخلوط مغشوش
در این پایان نامه پیچیدگی حل مسائل احتراقی که از بر هم کنش سینتیک شیمیایی و توربولانس ناشی می شود، به کمک مدل فلیملت آرام در کنار تکنیک استفاده از شبکه های عصبی مصنوعی با کمترین ساده سازی در نظر گرفته شده است. استفاده از مدل فلیملت امکان استفاده از هر مکانیزم شیمیایی با هر سطحی از پیچیدگی را فراهم می آورد. این در حالی است که در سایر مدل های احتراقی به دلیل همزمانی حل سینتیک و توربولانس در احترق...
مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
full textمدلسازی اندرکنش شعله پیش مخلوط با اغتشاشات میدان جریان براساس شبیه سازی گردابه های بزرگ (LES) با به کارگیری شبکه عصبی مصنوعی در سینتیک شیمیایی احتراق
در این تحقیق، کارآیی شبکه های عصبی مصنوعی به عنوان عامل انتگرالگیر از دسته معادلات دیفرانسیلی غیرخطی حاکم بر سینتیک شیمیایی احتراق در مدلسازی LES شعله پیش مخلوط مغشوش نشان داده شده است. آموزش شبکه عصبی مصنوعی براساس الگوریتم آموزشی خطای پس انتشار صورت گرفته است که در آن ضرایب مدل آموزشی به طور دینامیکی و سازگار با توپولوژی تابع خطا معین می شوند. جدول بانک اطلاعاتی آموزش شبکه عصبی براساس مطالعات...
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 textتخمین کریپ کمپلینس مخلوط های آسفالتی با استفاده از شبکه های عصبی مصنوعی
یکی از آزمایشهای اساسی در فرایند طراحی روسازیهای انعطافپذیر به روش مکانیستیک- تجربی در آشتو 2002، آزمایش کریپ کمپلینس است. در این تحقیق مدلی جدید برای تخمین کریپ کمپلینس مخلوطهای آسفالتی با استفاده از شبکههای عصبی مصنوعی پرسپترون چند لایه، با تکنیک آموزش لونبرگ- مارکوات، با توان تعمیم پذیریR=0.949 ، با موفقیت ارائه شده است. این مدل 14 ورودی شامل درصدهای عبوری انتخابی از منحنی دانهبندی ...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده مهندسی مکانیک
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023