مدلسازی پراکنده شدن ذرات فیتواسترول در امولسیون روغن/آب با استفاده از شبکه عصبی و رگرسیون چند متغیره
نویسندگان
چکیده مقاله:
فیتواسترولها ترکیبات نامحلول در آب میباشند. تهیهی امولسیون روغن در آب، روش موثر جهت پراکنده نمودن فیتواسترولها در فاز آبی و افزایش کارایی این ترکیبات در کاهش کلسترول است. مقدار امولسیفایر مورد استفاده و میزان روغن بر خصوصیات امولسیون از جمله پایداری و ویژگیهای رئولوژیک آن تأثیر میگذارد. از آنجایی که این عوامل در اثرات درمانی امولسیونهای دارویی مؤثر می باشند در پژوهش حاضر، از مدلسازی به روش شبکه عصبی مصنوعی جهت تخمین ویسکوزیته، اندازه ذرات و دوفاز شدن ذرات فیتواسترول در امولسیون روغن در آب استفاده شده است. همچنین مقایسهی این روش و روش رگرسیون چند متغیره نیز انجام شد. عملکرد سیستم با استفاده از مربع مجذور میانگین خطا، خطای مطلق میانگین و ضریب تبیین مورد بررسی قرار گرفت. با مقایسه مدلها مشخص شد که مدل شبکه عصبی برای ارزیابی ویسکوزیته، اندازه ذرات و دوفاز شدن نتایج بهتری نسبت به روش رگرسیون چند متغیره نشان میدهد. ضریب تبیین در روش شبکه عصبی برای ویسکوزیته، اندازه ذرات و دوفاز شدن به ترتیب برابر با 9911/0، 9939/0 و 9903/0 بدست آمد. با توجه بهضریب تبیین زیاد فاکتورهای اندازه گیری شده، مشخص شد که شبکه عصبی مصنوعی روشی سریع و دقیق جهت مدلسازی ذرات فیتواسترول در امولسیون روغن/آب است.
منابع مشابه
پیشبینی سیاست تقسیم سود با استفاده از مدلهای شبکه عصبی تک متغیره و چند متغیره
پیشبینی سود از دیرباز موردتوجه پژوهشگران بوده است. علاوه بر این یکی از مهمترین معیارهای تصمیمگیری برای سرمایهگذاران و اعتباردهندگان پیشبینی سیاست تقسیم سود شرکتها است. در این راستا، در پژوهش حاضر با آگاهی از موفقیت نسبی مدلهای خطی و رگرسیونی در رضایت پژوهشگران در پیشبینی برخی مسائل مالی نظیر سیاست تقسیم سود و با استفاده از مدلهای تک متغیره و چند متغیره شبکه عصبی، به پیشبینی سیاست تقسی...
متن کاملپیشبینی ظرفیت تبادل کاتیونی خاک با استفاده از شبکه عصبی مصنوعی و رگرسیون چند متغیره
چکیده ارزیابی و طراحی سناریو های مختلف مدیریتی احتیاج به داشتن اطلاعات دقیق بانک اطلاعات خاک دارد، ظرفیت تبادل کاتیونی از پارامتر های مهم موجود در بانک اطلاعاتی خاک به حساب می آید. با توجه به مشکلات اندازه گیری مستقیم ظرفیت تبادل کاتیونی بخصوص در خاک های اریدیسول ایران در سال های اخیر از روش های غیر مستقیم برای برآورد این پارامتر استفاده می شود. بدین منظور در این تحقیق برای برآورد ظرفیت تبادل ک...
متن کاملمقایسه عملکرد شبکه عصبی و رگرسیون چند متغیره در تخمین قیمت مسکن (مطالعه موردی: شهر اهواز)
مسکن همواره نیازی اساسی در جامعه تلقی میگردد. بازار مسکن طی سالهای گذشته یکی از پرنوسان-ترین بخشهای اقتصاد کشور ایران بوده است. از آنجایی که نغییرات بخش مسکن تاثیر فراوانی بر سایر بخشهای اقتصاد دارد بنابراین یکی از نیازهای قابل توجه در امر مسکن، پیشبینی دقیق قیمت این کالا می-باشد. در این راستا در پژوهش حاضر با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه، مدلی برای پیشبینی قیمت مسکن در ش...
متن کاملمقایسه عملکرد شبکه عصبی و رگرسیون چند متغیره در تخمین قیمت مسکن (مطالعه موردی: شهر اهواز)
مسکن همواره نیازی اساسی در جامعه تلقی میگردد. بازار مسکن طی سالهای گذشته یکی از پرنوسان-ترین بخشهای اقتصاد کشور ایران بوده است. از آنجایی که نغییرات بخش مسکن تاثیر فراوانی بر سایر بخشهای اقتصاد دارد بنابراین یکی از نیازهای قابل توجه در امر مسکن، پیشبینی دقیق قیمت این کالا می-باشد. در این راستا در پژوهش حاضر با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه، مدلی برای پیشبینی قیمت مسکن در ش...
متن کاملپیشبینی شاخص تردی سنگ با استفاده از رگرسیون چند متغیره غیر خطی و درخت رگرسیون CART
شاخص تردی (شکنندگی) سنگ یکی از مهمترین پارامترهای مؤثر بر حفاریهای زیرزمینی به ویژه در حفاری با ماشین (TBM) به حساب میآید که محاسبه دقیق این پارامتر برای طراحیهای ژئوتکنیکی بسیار مهم و کاربردی است. در این مقاله، شاخص تردی سنگ با استفاده از دو روش رگرسیون چند متغیره غیر خطی و همچنین درخت رگرسیون CART بر روی پایگاه داده شامل 48 ردیف دادهای از 30 پروژه تونلسازی مختلف پیشبینی شده است. این پا...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 9 شماره 4
صفحات 21- 29
تاریخ انتشار 2017-12-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023