CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی و تخمین خواص هیدروژن اشباع با استفاده از شبکه عصبی مصنوعی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۱۳۸ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ICRSIE01_222
زبان مقاله: فارسی
حجم فایل: ۶۷۳.۰۸ کیلوبایت (فایل این مقاله در ۹ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی و تخمین خواص هیدروژن اشباع با استفاده از شبکه عصبی مصنوعی

احسان علی پناهی - دانشجوی مهندسی صنایع شیمیایی دانشکده فنی شهیدچمران اهواز -
میلاد ملک پور - دانشجوی مهندسی صنایع شیمیایی دانشکده فنی - شهیدچمران گرگان

چکیده مقاله:

خواص ترمودینامیکی هیدروژن مانند فشار بخار، دانسیته، ظرفیت حرارتی و هدایت حرارتی در طراحی واحدهای مختلف شیمیایی بسیاراهمیت دارند. در این مقاله شبکه عصبی انتخاب شده، شبکه پیشخور با الگوریتم پس انتشار خطا با تابع آموزش انتشار رو به عقب لونبرگمارکوارت است. ورودی به شبکه عصبی دما است و خروجی شبکه خواص هیدروژن در حالت اشباع هستند که شامل فشار بخار، دانسیته مایع و بخار، آنتالپی مایع و بخار، ظرفیت حرارتی مایع و بخار، ویسکوزیته مایع و بخار، هدایت حرارتی مایع و بخار و کشش سطحی مایعاست. تعداد نقاط برابر 201 است. برای آموزش شبکه 70 % ، برای تعیین اعتبار 20 % و برای تست شبکه عصبی 10 % داده ها به کار رفته اند. بر اساس نتایج به دست آمده، بهینه طراحی ممکن برای شبکه عصبی، تابع فعال سازی سیگمودی برای لایه مخفی با 14 نرون در این لایه و تابع فعال سازی خطی برای لایه خروجی است. ن

کلیدواژه‌ها:

هیدروژن، خواص ترمودینامیکی، شبکه عصبی، توابع فعالسازی، حالت اشباع

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:
https://www.civilica.com/Paper-ICRSIE01-ICRSIE01_222.html
کد COI مقاله: ICRSIE01_222

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:
علی پناهی, احسان و میلاد ملک پور، ۱۳۹۵، پیش بینی و تخمین خواص هیدروژن اشباع با استفاده از شبکه عصبی مصنوعی، کنفرانس بین المللی پژوهش در علوم و مهندسی، ترکیه،  دبیرخانه دائمی همایش، دانشگاه استانبول، https://www.civilica.com/Paper-ICRSIE01-ICRSIE01_222.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: (علی پناهی, احسان و میلاد ملک پور، ۱۳۹۵)
برای بار دوم به بعد: (علی پناهی و ملک پور، ۱۳۹۵)
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 :

  • N.Z. Muradov, Production of hydrogen from hydrocarbons, Gupta RB, editor. ...
  • M. Moosavi, N. Soltani, "Prediction of hydrocarbon densities using an ...
  • A. Mohebbi, M. Taheri, A. Soltani, "A neural network for ...
  • M. Safamirzaei, H. Modarress, "Correlating and predicting low pressure solubility ...
  • P. Saxena, J.C. Patel, M.H. Joshipura, "Prediction of vapor pressure ...
  • S.S. Shyam, B. Oon-Doo, M. Michele, "Neural networks for predicting ...
  • J.A. Lazzus, "Predliction of solidl vanor _ for orzanic _ ...
  • R. Sharma, D. Singhal, R. Ghosh, A. Dwivedi, "Potential applications ...
  • M.C. Iiuta, I. Iiuta, F. Larachi, "Vapour-liquid equilibrium data analysis ...
  • S. Mohanty, "Estimation of vapour liquid equilibria of binary systems, ...
  • L. Govindarajan, PL. Sabarathinam, "Prediction of Vapor-liquid Equilibrium Data by ...
  • Internationa Conference on researches in Science and Engineering 28 July ...
  • 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.