پیش بینی تعادلات فازی سیستم های چند جزئی با استفاده از شبکه های عصبی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده فنی و مهندسی
- نویسنده مسعود فرزی
- استاد راهنما فرشاد رحیم پور
- سال انتشار 1392
چکیده
تخمین ترکیب درصد اجزاء تشکیل دهنده فازها در تعادلات ترمودینامیکی برای طراحی ومدلسازی تعادل بسیار بااهمیت است. انجام آزمایشات در شرایط دما،فشارمختلف بخصوص درمدلهای ترمودینامیکی برای تخمین lle همیشه امکانپذیر نیست. داده های دقیق تعادل مایع-مایع(lle) برای مخلوطهای چندگانه درطراحی بسیاری ازفرآیندهای شیمیایی وعملیات جداسازی مهم است. تحقیقات بر روی lleسیستم های چندگانه درسالهای اخیر بیشتر موردتوجه قرارگرفته است. روشهای متداول محاسبه بر معادلات حالت استوار است. این روش ها هرچند از اصول تئوری قوی گرفته شده است اما در این حالت باید از پارامترهای برهمکنش دوتایی که هم تابعی ازدما و هم تابعی ازنوع ترکیب می باشند، استفاده نمود و آن را در هر دمایی کهlle نیاز است محاسبه کرد. روش تکراری محاسبه lleبا استفاده از معادلات حالت آن را برای کنترل همزمان غیرقابل استفاده می نماید. توسعه ابزارهای عددی مانند شبکه های عصبی روش دیگری را برای محاسبه lleبه ارمغان آورده است. این روش به خاطر رابطه غیرخطی ای که بین متغیرهای وابسته و متغیرهای مستقل بوجود می آورد بسیار موردتوجه قرارگرفته است. در این پژوهش با استفاده از شبکه های عصبی feedforward با لایه ها و نرون های مختلف، تعادلات ترمودینامیکی مایع – مایع چند جزئی مختلفی که در طی فرآیند خالص سازی بیودیزل تولیدی از روغن سویا و jatrophacurcas با آن روبه رو می شویم، مدل شده است. از آنجاکه برای سیستم های مورد بررسی داده های کمی در هر مقاله وجود دارد و با این تعداد داده، شبکه های عصبی جواب رضایت بخشی ندارد لذا از داده های سیستم های مشابه در مقالات استفاده شده است. سپس نتایج حاصل از شبکه ها با مدل های ترمودینامیکی بکار رفته در مقالات مقایسه شد، که درصد خطای نسبی متوسط شبکه ها برابر با % 9/0 و درصد خطای نسبی متوسط مدل های ترمودینامیکی برابر با % 7/1 بدست آمد و بنابراین شبکه با دقت بیشتری نسبت به مدل های بکار رفته با داده های آزمایشگاهی مطابقت دارد.
منابع مشابه
پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی
In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...
متن کاملپیش بینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی
مدلهای مفهومی بر مبنای هوش مصنوعی، اغلب برای پیش بینیهای کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش بینی ها1 (esp) و تفکیک مدلسازی برای متغیرهای اقلیمی و هیدرولوژیکی، از مدلهای مفهومی برای پیش بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می شود. سیستم استنتاج فازی برای پیش بینی بارش فصلی به صور...
متن کاملپیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مطالعه موردی: سیستم های بالاسری تقطیر نفت خام
هدف این تحقیق پیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مصنوعی می باشد. خوردگی پدیده ای است که به علت تاثیر عوامل مختلف و متعدد شناخته شده و ناشناخته پیچیدگی بسیار زیادی دارد و به راحتی قابل مدلسازی نیست. جهت پیش بینی و مدلسازی خوردگی در رویکرد مکانیستیک به واکنش ها و فرایندهای فیزیکی، شیمیایی، و الکتروشیمیایی آن توجه می شود و مدلسازی بر اساس آنها انجام می پذیرد. با وجود موفقیت هایی که ای...
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 کاملمدل سازی پیش بینی گردشگری ورودی به ایران با استفاده از روش هایARIMA و شبکه های عصبی فازی
صنعت گردشگری به عنوان یک صنعت پاک و اشتغالزا، در سالهای اخیر جزء درآمدزاترین صنایع جهان بوده و همواره مورد توجه سیاستها و برنامههای توسعه گرانه میباشد. دولتها و بخشهای خصوصی در سطوح کلان تا خرد جهت توسعه و بقاء در بخش گردشگری نیازمند پیشبینی تقاضا در این بخش میباشند. هر چند که اکثر مطالعات انجام گرفته جهت پیشبینی تقاضا در گردشگری از روشهای کمی استفاده کردهاند ولی رویکردها و روشهای ک...
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 رازی - دانشکده فنی و مهندسی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023