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

Artificial Neural NetworkModeling of Guar Gum Apparent Viscosity

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۲۷۰ | نظرات: ۰
سال انتشار: ۱۳۹۰
کد COI مقاله: ICHEC07_521
زبان مقاله: انگلیسی
حجم فایل: ۳۵۰.۷۸ 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 NetworkModeling of Guar Gum Apparent Viscosity

  Meisam Mirarab Razi - Iran University of Science and Technology, Narmak, Tehran 16846-13114, Iran
  Seyed Nezameddin Ashrafizadeh - Iran University of Science and Technology, Narmak, Tehran 16846-13114, Iran
  Mohammad Mazidi - Iran University of Science and Technology, Narmak, Tehran 16846-13114, Iran

چکیده مقاله:

The precise determination of apparent viscosity of guar gum solutions will help the mud engineer to better evaluate its behavior under diverse conditions. Therefore, it is essential to find a way to determine apparent viscosity at different situations. In this study, two empirical models comparedto artificial neural network were applied to predict apparent viscosity values of guar gum solutions. At both empirical models, the apparent viscosity was considered as a function ofconcentration, temperature and shear rate. The results showed that the models have appropriateaccuracy to estimate the apparent viscosity of guar gum solutions, whereas the coefficient of determination (R2) for both models obtained 0.993. But, both models had the limitation of initial guess for determination of equation constants. Besides, to determine the apparent viscosity,artificial neural network was applied using multilayer perceptron (MLP) and Levenberg- Marquardt learning algorithm. The architecture of neural network was designed as 3:4:1, whereas3, 4 and 1 are representatives of input parameters, the optimum neuron numbers in hidden layerand output parameter which is the apparent viscosity, respectively. Two activation functions (logsig and tan-sig) were separately applied into hidden layer and finally the best function was selected. The whole data were divided into three parts including 70 % training (330 data), 15 %validation (69 data) and 15 % testing (69 data). In the end, R2 values of training (0.9993), validation (0.9959) and testing (0.9977) data were determined so that the best activation function (log-sig) was used in the hidden layer of neural network.

کلیدواژه‌ها:

Viscosity, Guar Gum, Artificial Neural Network, Empirical Model

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-ICHEC07-ICHEC07_521.html
کد COI مقاله: ICHEC07_521

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; Seyed Nezameddin Ashrafizadeh & Mohammad Mazidi, ۱۳۹۰, Artificial Neural NetworkModeling of Guar Gum Apparent Viscosity, هفتمین کنگره ملی مهندسی شیمی, جزیره کیش, انجمن مهندسی شیمی ایران (IACHE), http://www.civilica.com/Paper-ICHEC07-ICHEC07_521.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; Seyed Nezameddin Ashrafizadeh & Mohammad Mazidi, ۱۳۹۰)
برای بار دوم به بعد: (Mirarab Razi; Ashrafizadeh & Mazidi, 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 :

  • _ Rupinski1, Z.K. Brzozowski1, M. Uliasz, Study on the application ...
  • H. Simonides, G. Schuringa, A. Ghalambor, Role of Starch in ...
  • S. Kiranyaz, T. Ince, A. Yildirim, M. Gabbouja, Evolutionary artificial ...
  • I.A. Basheer, M. Hajmeer, Artificial neural networks: fundamentals, computing, design, ...
  • M.E. Tagluk, M. Akin, N. Sezgin, Classification of sleep apnea ...
  • R.J. Kuo, P. Wu, C.P. Wang, An intelligent sales forecasting ...
  • G. Serpen, D.K. Tekkedil, M. Orra, Akno wledge-based artificial neural ...
  • F. Farrokhzad, A.J. Choobbasti, A. Barari, Liquefaction microzonation of Babol ...
  • L. Ozbakr, A. Baykasoglu, S. Kulluk, A soft computing-based approach ...
  • M.L. Koce, _ 6zdemirb, D. Imrenb, Prediction of the pH ...
  • M. Khashei, M. Bijari, An artificial neural network (p, d, ...
  • M. Vasudevan, B.P.C. Rao, B. Venkatraman, T. Jayakumar, B. Raj, ...
  • M. Khashei, S.R. Hejazi, M. Bijari, A new hybrid artificial ...
  • M.C. Grassi, A.M. Caricati, M. Intraligri, M. Buscema, P. Nencini, ...
  • H. El Kadi, Modeling the mechanical behavior of fib er-reinforced ...
  • C. Thodesen, F. Xiao, S. N. Amirkhanian, Modeling viscosity behavior ...
  • P. Rai, G.C. Majumdar, S. DasGupta, S. De, Modeling the ...
  • _ Internationt Chemical Engineering Congress & Exihibition Kish, Iran, 21-24 ...
  • Kish, Iran, 21-24 November, 2011 ...
  • Q.H. Phan, T. Uomoto, Prediction of rheological properties of mortar ...
  • T.F. Al-Fariss, S.M. Al-Zahrani, Rheological behaviour of some dilute polymer ...
  • Q. Liua, X. Cui, M.F. Abbod, S.J. Huang, Y.Y. Hand, ...
  • P.G. Benardos, G.C. Vosniakos, Optimizing feedforward artificial neural network architecture. ...
  • M.W. Gardner, S.R. Dorling, Artificial neural networks (the multilayer perceptron)- ...
  • _ Internationt Chemical Engineering Congress & Exihibition Kish, Iran, 21-24 ...
  • 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.