مقایسه عملکرد شبکههای عصبی MLP و RBF به همراه ارزیابی الگوریتمهای آموزش هوشمند در انتخاب تجهیزات دوار پالایشگاهی کمپرسور
محل انتشار: سومین کنفرانس بین المللی نفت، گاز و پتروشیمی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 720
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICOGPP03_284
تاریخ نمایه سازی: 25 بهمن 1394
چکیده مقاله:
همواره در صنایع مختلف، تجهیزات دوار به جهت حساسیت، دارای اهمیت و قیمت بالایی هستند که این امر به طور اولی در صنایع نفت وگاز و پترشیمی مطرح می باشد. با توجه به این که کارشناسان و متخصصان برای انتخاب یک ماشین )در این مقاله کمپرسور( نیاز به استفاده از استانداردها و مراجع زیادی داشته، و به جهت تقلیل حداکثری خطای انتخاب صحیح، آگاهی از استانداردهای روز واشراف به مراجع فرمولهای مرتبط محل توجه است. در این مقاله سعی شده است تا با بهره گیری از شبکه های عصبی و با استفاده از RBF و MLP و با استفاده از الگوریتمهای هوشمند فرا ابتکاری بهینهترین و سادهترین روش با هد انتخاب صحیح تجهیزات دوار و بالاخص کمپرسور، با کمترین خطای حاصله و با استفاده از استانداردهای مختلف )در این مقاله معرفی یک استاندارد مطرح از 31 استاندارد موجود( صورت پذیرد.
کلیدواژه ها:
شبکه عصبی RBF ، MLP /الگوریتم ژنتیک ، الگوریتمهای فراابتکاری ، تجهیزات دوار ، انتخاب کمپرسور/الگوریتم PSO/الگوریتم ABC
نویسندگان
مهدیه زکی زاده نی نی
کارشناسی ارشد مهندسی نرم افزار، وزارت نفت
مازیار زند
کارشناسی ارشد مهندسی مکانیک، وزارت نفت،
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :