نام کاربري رمز عبور

    ثبت نام | فراموشي رمز عبور | راهنماي استفاده از سايت | پشتيباني کاربران | عضويت ويژه کتابخانه ها

ISSN 1735-5540

English Pages

20 دي 1387

 

 

 

لينك‌ها

[ گزارش اشكال در مقاله | بازگشت | جستجو | ليست كنفرانس‌ها ]

اطلاعات مقاله

[ اعتبار مورد نياز: 1 | تعداد صفحات: 7 | 43 بار مشاهده چكيده | 0 بار دريافت متن كامل ]

عنوان مقاله: Prediction of Chemical Characteristics of the Transformer Oil by Neural Networks
سرفصل مربوط: ترانسفورماتورها
سال انتشار: 1385
نوع ارايه:
محل انتشار: [ بيست و يكمين كنفرانس بين المللي برق ]
زبان مقاله: انگليسي حجم فايل: 129.51 كيلوبايت

نمايش خلاصه مقاله

لطفا اگر نقد و نظری درباره این مقاله دارید آن را درج کنید: [ نوشتن نقد بر اين مقاله ]

Prediction of Chemical Characteristics of the Transformer Oil by Neural Networks  Fulltext 

نويسنده‌گان:

[ Nikjoo ] - Iran University of Science and Technology
[ Mirzai ] - Iran University of Science and Technology
[ Gholami ] - Iran University of Science and Technology

خلاصه مقاله:

This paper presents the prediction of chemical characteristics of the transformer oil by neural networks. The aim of this work is to reduce the aging experiments time, with obtaining the same results as in the case of long duration tests, by using neural networks. This model is composed of some characteristics of the transformer oil such as viscosity, acidity, flash point, water content, gravity and colour that have been predicted by service period. This list of evidences indicates the beginning of the oil degradation process. In this paper we show the power of NN to predict those characteristics according to some mathematical models such as polynomial and multiple linear regression. Also we compare two different softwares as NN1 (Neuro Solution) and NN2 (Matlab) for predicting some of theses characteristics, to show the accuracy of the proposed NN.


كلمات كليدي:

Neural Network, transformer oil, aging


[ لينک دايمي به اين صفحه: http://www.civilica.com/Paper-PSC21-PSC21_280.html ]

نمايش صفحه قابل چاپ خلاصه مقاله معرفي مقاله به ديگران

راهنمایی دریافت اصل مقاله

اصل مقالات براي کاربران عضو سايت با 50 درصد تخفيف ارائه مي شوند. عضويت در سيويليکا ساده و سريع است. براي عضويت به بخش عضويت در سيويليکا مراجعه نماييد.

در صورتي که عضو نيستيد و ميخواهيد اصل مقاله را خريداري نماييد از بخش خريد اصل مقاله استفاده نماييد.

قبل از اقدام به دريافت يا خريد مقاله، به تعداد صفحات آن که در بالا درج شده است توجه نماييد.

براي راهنمايي کاملتر راهنماي سايت را مطالعه کنيد.

دريافت اصل مقاله (ویژه اعضا)

شما به صورت کاربر وارد سايت نشده ايد. پس از ورود به سايت با شناسه و رمز عبور خود، لينک دريافت مقاله در اين بخش نمايش داده مي شود.

 

نام کاربري

رمز عبور

رمز عبور را فراموش کرده ايد؟

خرید اصل مقاله

در صورتی که عضو نیستید مي توانند با استفاده از پرداخت اينترنتي، بلافاصله اصل اين مقاله را خريداري نمايند. توجه نمایید که مقالات برای اعضا با 50 درصد تخفیف ارائه می شود. برای عضویت به صفحه عضويت در سيويليکا مراجعه نمایید.


برای خرید اصل این مقاله به صورت غیر عضو، لطفا آدرس ایمیل خود را در زیر وارد نمایید.


آدرس ايميل:

رفتن به مرحله بعد:

قابلیت پرداخت حق عضویت از هر کجای ایران از طریق حساب جام بانک ملت سیویلیکا عضو مجمع ناشران الکترونیک ایران و تحت حمایت قوانین ناشران الکترونیک می باشد سیویلیکا ثبت شده در کتابخانه ملی جمهوری اسلامی ایران تحت شماره ISSN 1735-5540 سیویلیکا، برگزیده جشنواره رسانه های دیجیتال کشور طرف قرارداد با سامانه پرداخت الکترونیک بانک سامان به منظور پذیرش کلیه کارتهای شتاب عضو سازمان نظام صنفی کشور وتحت حمایت قوانین این سازمان مجهز به سیستم ارسال خودکار SMS و اطلاع رسانی به کاربران قابلیت عضویت با استفاده از کارتهای عضویت سیویلیکا. کنفرانسها می توانند این کارتها را به جای سی دی کنفرانس در اختیار شرکت کنندگان قرار دهند.

سایر مجموعه ها: بانک پروژه ها و تحقیقات دانشجویی | بانک اطلاعاتی شرکتهای عمرانی | بنانیوز

دفتر مرکزی: تهران، خیابان کارگر شمالی، بالاتر از پمپ بنزین امیرآباد، کوچه زمرد، شماره 22، طبقه دوم. تلفن: 88008044 - نمابر: 88335451 | نمایندگیها
طراح و برنامه‌نویس: فقیهی