طراحی سنسور نرم بر مبنای روش ماشین بردار پشتیبان (svm) برای واحد غلظت شکن پالایشگاه نفت
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق
- نویسنده علی احمدزاده
- استاد راهنما محمدعلی نکویی مهدی علیاری شوره دلی
- سال انتشار 1393
چکیده
در این نوشتار دو روش جدید برای طراحی سنسور نرم بر مبنای ماشین بردار پشتیبان اصلاح شده و کمترین مربعات ماشین بردار پشتیبان اصلاح شده، پیشنهاد و طراحی می شود. در روش های اصلاح شده، ماشین به طور کامل برای تعداد مختلف بردار پشتیبان آموزش می یابد. علاوه بر آن، مراکز توابع کرنل به صورت تصادفی از بین تمام داده ها انتخاب می شود. نوآوری این پایان نامه اصلاح الگوریتم آموزش ماشین در این روش ها می باشد. همچنین در این پژوهش از روش های پیشنهادشده برای تخمین دو متغیر نقطه اشتعال و غلظت محصول نهایی در واحد غلظت شکن پالایشگاه نفت تبریز استفاده می شود. با توجه به ابعاد بالای سیستم، بهره گیری از روش آنالیز مولفه های اصلی برای کاهش ابعاد سیستم پیشنهاد می شود. نتایج شبیه سازی نشان می دهد که به کارگیری این روش ها برای طراحی سنسور نرم در واحد غلظت شکن پالایشگاه نفت تبریز نسبت به سایر روش های طراحی مانند شبکه های عصبی mlp و rbf، شبکه عصبی- فازی خطی محلی، ماشین بردار پشتیبان استاندارد و حداقل مربعات ماشین بردار پشتیبان استاندارد، دارای عملکرد بهتری است.
منابع مشابه
کاهش تعداد بردارهای پشتیبان در ماشین بردار پشتیبان (svm)
ماشین بردار پشتیبان روش مطلوبی برای طبقه بندی انواع داده هاست، اما مشکل اساسی این روش کاهش چشم گیر سرعت طبقه بندی آن در ازای افزایش ابعاد مسئله است. در این پایان نامه تابع کرنلی که از چندجمله ای متعامد هرمیت مشتق شده و ترکیب این تابع با سایر کرنل های رایج برای ماشین بردار پشتیبان ارائه شده است. این توابع، علاوه بر کاهش تعداد بردارهای پشتیبان که موجب افزایش سرعت خواهد شد، صحت طبقه بندی داده ها ر...
ارائهی روشی پویا برای پیشبینی مکانی-زمانی آلودگی هوای شهر تهران بر مبنای ماشین بردار پشتیبان
با توجه به آثار سوء آلودگی هوا بر سلامت انسانها و محیط، پیشبینی و مدلسازی این پدیده از جمله مسائل مهم در چند دههی گذشته بوده است. دینامیک غیرخطی و حجم بالای دادههای آلودگی هوا، مشکلات پیشبینی این پدیدهی پیچیده را، بویژه در پردازشهای پویا، دوچندان کرده است. هدف این پژوهش، ارائهی الگوریتمی برخط است که بتواند با حل مشکلات روشهای پیشین در پیشبینی برخط آلودگی هوا، سری زمانی آلودگی هوای شه...
متن کاملپیشبینی رواناب روزانه با مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)
مدلهای داده محور از جمله ابزارهایی هستند که به منظور شبیهسازی در علوم مختلف استفاده میشوند. روش ماشین بردار پشتیبان به عنوان یکی از جدیدترین این نوع ابزارها اخیراً در علوم مرتبط با آب مورد توجه قرار گرفته است. در هیدرولوژی و منابع آب، این مدلها با شبیهسازی فرآیند بارش-رواناب، مقدار رواناب را در حوزههای آبخیز بدون ایستگاه اندازهگیری و با حداقل زمان ممکن و کمترین هزینه برآورد میکنند. هدف ا...
متن کاملارزیابی وپتانسیل سنجی خطروقوع سیل درشهرجناح با استفاده از الگوریتم ماشین پشتیبان بردار (SVM)
یکی از انواع فرآیند های دامنه ای که هر ساله موجب خسارت جانی و مالی فراوان در بسیاری از نقاط ایران و جهان می شود وقوع سیل است. شناسایی مناطق مستعد وقوع سیل از طریق پهنه بندی خطر، یکی از اقدامات موثر و ضروری در کاهش خطرات احتمالی و مدیریت آن می باشد. هدف اصلی این پژوهش، ارزیابی وقوع سیل در شهر جناح با استفاده از مدل ماشین بردار پشتیبان می باشد. در ابتدا نقشه DEM محدوده مورد مطالع...
متن کاملطراحی شبکه پایش سطح آب زیرزمینی با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)
این مطالعه روشی برای طراحی شبکههای پایش کمّی آب زیرزمینی به منظور کاهش نقاط پایش مکانی اضافی ارائه میکند؛ چاههای اضافی، که اگر نمونهگیری نشوند، خطای تخمین سطح آب زیرزمینی آنها قابل چشمپوشی است. این روش مبتنی بر روش ماشین بردار پشتیبان بر پایة تئوری یادگیری آماری است. در این مطالعه، با استفاده از اطلاعات کمّی 63 چاه مشاهداتی و پارامترهای هواشناسی (بارندگی و تبخیر) دشت رامهرمز، در دورة ...
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 صنعتی خواجه نصیرالدین طوسی - دانشکده برق
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023