مدل سازی همزمان rrt ترکیبات دی فنیل اترهای پلی برمه بر روی ستون های کروماتوگرافی مختلف با استفاده از شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان
- نویسنده آسیه سعیدی
- استاد راهنما مهدی موسوی ابراهیم نوروزیان
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1386
چکیده
چکیده ندارد.
منابع مشابه
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...
متن کاملمدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی
در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...
متن کاملمدل 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...
متن کاملمدلسازی ستون تقطیر با استفاده از ساختار مدل arx و شبکه های عصبی مصنوعی
فرآیند تقطیر یک فرآیند صنعتی پیچیده و به شدت غیرخطی می باشد. به طور کلی پیدا کردن مدل دقیق تحلیلی از ستونهای تقطیر با خلوص بالا همواره امکان پذیر نمی باشد. از طرفی توسعه مدلهای تحلیلی معمولا وقت گیر و هزینه بر است. برای غلبه بر این مشکلات می توان از مدلهای تجربی نظیر شبکه های عصبی استفاده کرد. یکی از ایرادات اساسی شبکه های عصبی این است که پیش بینی های آن تنها در محدوده اطلاعات شناسایی معتبر است...
متن کاملمدل سازی جذب سطحی متیلن بلو بر روی تفاله چای اصلاح شده با سورفکتانت با استفاده از شبکه عصبی مصنوعی
مدلسازی فرایند جذب سطحی رنگ‌دانه متیلن بلو (+MB) بر روی تفاله چای (TW) اصلاح‌شده با سورفکتانت آنیونی (SDS) با استفاده از شبکه عصبی مصنوعی انجام شد. آزمون‌های FTIR و EDS برای بررسی حضور مولکول‌های SDS بر سطح جاذب استفاده و مشخص شد که آنیون‌های -SO3 از طریق مکانیسم تبادل یونی به جذب +MB کمک می‌کنند. نتایج ایزوترم جذب با معادلات ایزوترم لانگمویر و فرندلیچ تطبیق داده شد و ظرفیت جذب لانگمویر (Qmax...
متن کاملبهینه سازی حذف رنگزای آنیونی روی نانوکامپوزیت مغناطیسی کربن فعال با استفاده از شبکه های عصبی مصنوعی -Fe3O4
زمینه و هدف: پساب های حاوی رنگزاها که از صنایع مختلف تولید می شوند، اثرات و پیامدهای مخربی بر محیط زیست میگذارند. از این رو، ارائهی مدلهای ریاضی تحلیلی و عددی که قادر به شبیه سازی فرایند حذف رنگ از پسابهای صنعتی باشند، از اهمیت بسیاری برخوردار است. کربن فعال به روش هم رسوبی سنتز و ساختار -Fe3O مواد و روشها: در این پژوهش، ابتدا نانوکامپوزیت مغناطیسی 4 شناسایی شد. کارآیی جاذب VSM و ،SEM ،XRD ...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023