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

مقایسه روشهای مبتنی بر هوش مصنوعی برای پیش بینی بازیابی انحلال اکسید آلومینیوم در فرایند بایر - کارخانه آلومینای جاجرم

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۸۹۳ | نظرات: ۰
سرفصل ارائه مقاله: شیمی صنعتی
سال انتشار: ۱۳۸۸
کد COI مقاله: NCCEESLAMSHAR01_205
زبان مقاله: فارسی
حجم فایل: ۹۷۹.۹۶ کلیوبایت (فایل این مقاله در ۸ 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 ۸ 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 مقایسه روشهای مبتنی بر هوش مصنوعی برای پیش بینی بازیابی انحلال اکسید آلومینیوم در فرایند بایر - کارخانه آلومینای جاجرم

  فاطمه دهقان - دانشگاه آزاد اسلامی واحد مشهد
  منا یعقوبی - دانشگاه آزاد اسلامی واحد مشهد
  مهدی یعقوبی - عضو هیئت علمی دانشگاه آزاد اسلامی واحد مشهد
  قمرناز تدین تبریزی - عضو هیئت علمی دانشگاه آزاد اسلامی واحد مشهد

چکیده مقاله:

ارتباط بین بازیابی انحلال آلومینا در فرایند بایر با واحدهای شیمیایی بوکسیت، فرایندهایی را موجب می شود که با دقت بالایی توسط مدلسازی های هوشمند شبیه سازی می شوند در این مقاله بازیابی انحلال اکسید آلومینیوم بر پایه نسبتهای آنالیز کانسنگ ورودی به کارخانه (Al2O3/Fe2O3 Al2O3/TiO2 Al2O3/SiO2) به سه روش شبکه عصبی پرسپترون چندلایه، شبکه عصبی تابع پایه شعاعی و روش نزدیک ترین همسایگی پیش بینی و مقایسه شده است مجموعه داده مورد استفاده شامل 332 نمونه از آنالیز های شیمیایی روزانه کارخانه صنعتی آلومینای جاجرم برای بوکسیت و گل قرمز حاصل از آن می باشد نتایج نشان دهنده مناسب بودن سه روش مورد بررسی است با این وجود شبکه عصبی تابع پایه شعاعی چه ا زنظر صحت عملکرد و چه از نظر سرعت اجرا به ویژه هنگامی که تعداد داده ها افزایش یابد، بهترین گزینه بوده و بازیابی انحلال اکسید آلومینیوم را در مقیاس صنعتی با دقت میانگین قابل قبول 0.09 ازمقادیر بازیابی تعیین شده واقعی پیش بینی می نماید الگوریتم های مذکور می توانند به عنوان روشهای جدید در این صنعت برای پیش بینی بازیابی انحلال بوکسیت در فرایند بایر، هنگامی که بوکسیت ا زمنابع مختلف و با ترکیبات شیمیایی متفاوت به کارخانه خوراکدهی می شود، بکار گرفته شوند.

کلیدواژه‌ها:

آلومینا، انحلال، شبکه عصبی پرسپترون چندلایه، شبکه عصبی تابع پایه شعاعی، نزدیکترین همسایگی

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-NCCEESLAMSHAR01-NCCEESLAMSHAR01_205.html
کد COI مقاله: NCCEESLAMSHAR01_205

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:
دهقان, فاطمه؛ منا یعقوبی؛ مهدی یعقوبی و قمرناز تدین تبریزی، ۱۳۸۸، مقایسه روشهای مبتنی بر هوش مصنوعی برای پیش بینی بازیابی انحلال اکسید آلومینیوم در فرایند بایر - کارخانه آلومینای جاجرم، همایش ملی مهندسی شیمی، اسلامشهر، دانشگاه ازاد اسلامی واحد اسلامشهر، http://www.civilica.com/Paper-NCCEESLAMSHAR01-NCCEESLAMSHAR01_205.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: (دهقان, فاطمه؛ منا یعقوبی؛ مهدی یعقوبی و قمرناز تدین تبریزی، ۱۳۸۸)
برای بار دوم به بعد: (دهقان؛ یعقوبی؛ یعقوبی و تدین تبریزی، ۱۳۸۸)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۹۰۸۹
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 پیشنهادی مرتبط

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.