پیش بینی عملکرد غشاء و پدیده گرفتگی با استفاده از شبکه های عصبی

پایان نامه
چکیده

در این تحقیق سه سیستم متفاوت غشایی با استفاده از شبکه های عصبی و شاخه ای دیگر هوش مصنوعی مدل شد. در قسمت اول پروسه ساخت غشاء به طور موفقیت آمیزی با کمک شبکه عصبی مدل شد. در قسمت آزمایش پلی اتر سولفون و پلی سولفونی که به روش ترسیب غوطه وری در حلال های مختلف نظیر دی متیل استامید و غیر حلال هایی نظیر2-پروپانول و افزودنی هایی از قبیل پلی ونیل پیریودین آماده شد. خواص مکانیکی شیمیایی و حرارتی پلیمرها حلال ها افزودنی ها وغیر حلال ها به عنوان ورودی شبکه عصبی در نظر گرفته شد. تاثیر غلظت پلیمر و افزودنی بر روی عملکرد غشا توسط شبکه عصبی بررسی شد. غلظت بهینه به منظور داشتن حد اکثر فلاکس برای سیستم های چهار تایی (پلی اتر سولفون/ پلی ونیل پیریودین/ دی متیل استامید/آب به همراه 2-پروپانول) و (پلی سولفون/ پلی ونیل پیریودین/ دی متیل استامید/آب به همراه 2-پروپانول) به وسیله الگوریتم ژنتیک تعیین شد. برای غشاء از جنس پلی اتر سولفون توافق خوبی بین نتایج آزمایشگاهی تصاویر sem و مقادیر پیش گویی شده توسط شبکه عصبی وجود دارد بطوریکه خطای نسبی برای فلاکس و پس دهی به ترتیب 1 و 5 درصد می باشد. یک چنین توافقی در خوبی در مورد غشاء از جنس پلی سولفون هم مشاهده شد. در قسمت دوم فرآیند تصفیه شیمیایی غشاء های که طی میکروفیلتراسیون شیر دچار گرفتگی شده اند در شرایط عملیاتی متفاوت به وسیله شبکه عصبی و منطق فازی مدل شد. مدل های ارائه شده ابزار سودمندی برای پیش بینی فلاکس بازیافتی راندمان تصفیه شیمیایی آنالیز تاثیر پارامتر های مختلف در فرایند تصفیه شیمیایی و بهنه سازی فرایند می باشند. این قسمت از تحقیق نشان می دهد که شبکه عصبی و منطق فازی به خوبی می توانند تاثیر شرایط عملیاتی بر روی فلاکس بازیافتی را نشان دهند. در قسمت آخر غشاء هایی که در پیل های سوختی از نوع مبادل پروتون استفاده می شوند به وسیله شبکه های عصبی و ساختار نرو فازی مدل شد.از بین مدل های مختلف توسعه داده شده با مقایسه بر اساس میانگین مربعات خطا و ضریب همبستگی بهترین مدل انتخاب شد. اگرچه ساختار های مختلف شبکه عصبی به خوبی رفتار سیستم را پیش بینی کردند اما ساختار نرو فازی نسبت به این مدل ها دقت بالاتری داشت. در قسمت بعد تاثیر پارامتر های مختلف بر روی سیستم توسط ساختار نرو فازی بررسی شد.

منابع مشابه

پیش بینی کوتاه مدت بار استان چهارمحال و بختیاری با استفاده از اجماع شبکه های عصبی

پیش­بینی کوتاه مدت بار در بازار برق اهمیت زیادی دارد. از طرفی عوامل مهم تأثیرگذار بر پیش­بینی کوتاه مدت بار به ویژگی­های بار الکتریکی و آب و هوایی هر منطقه بستگی دارد، بنابراین با استفاده از داده­های واقعی استان چهارمحال و بختیاری-شامل بار و دما- به پیش­بینی کوتاه مدت بار الکتریکی استان پرداخته­ایم. بدین منظور با استفاده از چهار روش مختلف شبکه عصبی پرسپترون (MLp < /strong>)، مجمعی از شبکه عصبی ...

متن کامل

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 کامل

پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و GIS

در این مقاله مدل دگرگونی زمین که مشتمل بر سیستم اطلاعات جغرافیایی (GIS)(1) و شبکه‌های عصبی مصنوعی (ANNs)(2) می‌باشد ارائه شده است. در این مدل از عوامل متنوع سیاسی، اجتماعی و محیطی به عنوان متغیرهای پیشگوی استفاده گردیده است. این پژوهش نسخه‌ای از مدل LTM(3) را برای محدوده حوزه آبخیز گرند تریورز در خلیج میشیگان ارائه کرده و نشان می‌دهد که چگونه عواملی نظیر جاده‌ها...

متن کامل

پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی

اندازه و روند شاخص‌های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می‌باشد. جهت پیش‌بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول‌ترین آنها روشهای رگرسیون و مدل‌های 3ARIMA هستند اما این مدل‌ها در عمل جهت پیش‌بینی بعضی از سریها ناموفق بوده‌اند. در تحقیق حاضر برای پیش‌بینی شاخص کل بورس از مدل شبکه‌های عصبی پیش خور4 با قانون یادگیری پس انتشار خطا5 در...

متن کامل

پیش بینی تأخیر قطارهای مسافری با استفاده از شبکه های عصبی

تأخیر در قطارهای مسافری از مسائل چالش بر انگیز در راه آهن محسوب شده و علت‌های مختلفی دارد، و همین مسئله، پیش‌بینی تأخیر قطار‌های مسافری را بسیار مشکل می‌کند. هدف این مقاله ارائه مدلی مبتنی بر شبکه‌های عصبی با دقت بالا برای پیش‌بینی تأخیر قطار‌های مسافری در راه آهن جمهوری اسلامی ایران است. در این مقاله از سه روش مختلف برای ورودی شبکه‌های عصبی شامل ورود به صورت اعداد حقیقی نرمال شده، تبدیل ورودی‌...

متن کامل

منابع 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 رازی - دانشکده فنی و مهندسی

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023