پیش بینی دانسیته سوخت بیودیزل با استفاده از شبکه عصبی مصنوعی

با وجود اهمیت زیادی عملی این بیودیزل ها، داده های اندازه گیری شده برای خواص آنها کمیاب هستند و معمولا به صورت بسیار محدود می توان از مدل های ترمودینامیکی برای اندازه گیری خواص آنها استفاده کرد. بنابراین ارائه مدلی برای پیش بینی رفتار بیودیزل ها بسیار مهم است. در این مقاله، دانسیته بیودیزل در فشار بین MPa 0.4 و MPa 130 و دمای بین K 278 و K 397 با استفاده از شبکه عصبی تخمین زده شده است. ورودی های شبکه عصبی شامل دما و فشار هستند و خروجی شبکه عصبی دانسیته است. بر اساس نتایج به دست آمده، بهینه طراحی ممکن برای شبکه عصبی، شبکه پیش‌خور با الگوریتم پس انتشار خطا ، تابع آموزش انتشار رو به عقب لونبرگ مارکوارت ، تابع فعال سازی تانژانت هایپربولیک برای لایه مخفی با 7 نرون در این لایه و تابع فعال سازی خطی برای لایه خروجی است. نتایج به دست آمده نشان می دهند که توسط شبکه عصبی بهینه طراحی شده می‌توان دانسیته را با ضریب همبستگی (R2) برابر 0.999997، درصد میانگین انحراف نسبی (ARD%) برابر 0.002916 و درصد میانگین انحراف مطلق (AAD%) برابر 2.6468 پیش بینی کرد.