CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Artificial neural network modeling of plastic viscosity, yiled point and apparent viscosity for wheat starch solutions

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۴۵۸ | نظرات: ۰
سال انتشار: ۱۳۹۰
نوع ارائه: شفاهی
کد COI مقاله: IPEC03_028
زبان مقاله: انگلیسی
حجم فایل: ۲۴۱.۴۱ کلیوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله Artificial neural network modeling of plastic viscosity, yiled point and apparent viscosity for wheat starch solutions

  Meisam Mirarab Razi - Iran University of Science and Technology, Department of Chemical Engineering, Tehran, Iran
  Mohammad Mazidi - Iran University of Science and Technology, Department of Chemical Engineering, Tehran, Iran
  Fatemeh Mirarab Razi - Mathematics and Computer Science Department, Amirkabir University of Technology, Tehran, Iran

چکیده مقاله:

Wheat starch is a carbohydrate polymer which is widely used in drilling muds in order to increase viscosity and decrease fluid loss. Rheological properties ofdrilling muds such as plastic viscosity, yield point and apparent viscosity play an essential role in selecting the most optimum composition of drilling mud underdiverse conditions. In this study, an artificial neural network system was used to predict plastic viscosity (PV), yield point (YP) and apparent viscosity (AV) ofwheat starch solutions. Multi-layer feed forward method was applied in the architecture of the artificial neural network due to its high accuracy. To predict plastic viscosity and yield point, the structure of feed-forward neural network wasdefinite 2:2:1 which refers to input layer, hidden layer and output layer. Thecoefficient of determination (R2) values obtained for training and validation data revealed how this approach is effective in estimating the output layer. The best structure of artificial neural network architecture obtained 3:3:1 for predicting apparent viscosity. R2 value (R2=0.994) of testing data obtained by artificial neural network system revealed the high accuracy of this approach in estimating apparent viscosity.

کلیدواژه‌ها:

Wheat starch; Artificial neural network; Plastic viscosity; Yield point; Apparent viscosity

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
http://www.civilica.com/Paper-IPEC03-IPEC03_028.html
کد COI مقاله: IPEC03_028

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Mirarab Razi, Meisam; Mohammad Mazidi & Fatemeh Mirarab Razi, ۱۳۹۰, Artificial neural network modeling of plastic viscosity, yiled point and apparent viscosity for wheat starch solutions, سومین کنگره ملی مهندسی نفت, تهران, انستیتو مهندسی صنعت نفت, http://www.civilica.com/Paper-IPEC03-IPEC03_028.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Mirarab Razi, Meisam; Mohammad Mazidi & Fatemeh Mirarab Razi, ۱۳۹۰)
برای بار دوم به بعد: (Mirarab Razi; Mazidi & Mirarab Razi, ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Knight JW (1969) The starch industry. Pergamon Press Oxford, New ...
  • Knight JW, Olson RM (1984) Wheat starch Production, modification, and ...
  • Lahalih SM, Dairanieh IS (1989) Development of novel polymeric drilling ...
  • Omole O, Falode OA, Deng AD (2009) Prediction Of Nigerian ...
  • Fernandes FAN, Lona LMF (2005) Neuural network applications _ polymerization ...
  • Rai P, Majumdar GC, Das Gupta S, De S (2005) ...
  • Kubendran TR, Baskaran R, Balakrishna N (2008) Artificial Neural Networks ...
  • Torkara D, Novakb S, Novaka F (2008) Apparent viscosity prediction ...
  • Al-Shayea QK, Bahia ISH (2010) Urinary System Diseases Diagnosis Using ...
  • Specht LP, Khatchatou rian O, Brito LAT, Ceratti JAP (2007) ...
  • Kjoniksen AL, Nystrom B, Nakken T, Palmgren O, Tande T ...
  • Garcia-Ped rajas N, _ ervas-Ma rtinez C, Mu6oz-Perez J (2003) ...
  • Greer B, Khan J (2007) Online analysis of microarray data ...
  • Aladjem M (1998) Supervised training of a neural network for ...
  • Bussab MA, Bernardo JI, Hirakawa AR (2007) Greenhouse Modeling Using ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۵۴۴۳
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.