پیش بینی میزان ترقیق فاضلاب حرارتی با استفاده از شبکه عصبی مصنوعی

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 974

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCHESD01_071

تاریخ نمایه سازی: 18 آذر 1389

چکیده مقاله:

ترقیق فاضلاب حرارتی یکی از روشهای مفید جهت بی خطرسازی این فاضلاب و دفع در مناطق ساحلی میباشد جهت تخلیه و ترقیق فاضلاب حرارتی با حجم بالا از پخش کننده های چند دهانه استفاده می شود در سالهای اخیر جهت پیش بینی رفتارپلوم های حرارتی از مدلهای عددی درتحقیقات فراوانی استفاده شده است در این مقاله جهت پیش بینی میزان ترقیق در پخش کننده های چند دهانه T شکل از مدل شبکه عصبی مصنوعی استفاده شده است شبکه عصبی با ساختمانهای متفاوت با الگوریتم back propagation تست و ازمایش گردید با توجه به شاخصهای اماری شبکه عصبی با سه لایه و 9 نرون در لایه پنهان دارای کارایی R=0/97 در پیش بینی میزان ترقیق حرارتی می باشد.

نویسندگان

محمدجواد ذوقی

عضو هیئت علمی گروه مهندسی محیط زیست پژوهشکده محیط زیست جهاد دانشگاهی

اریامن قویدل

عضو هیئت علمی و مدیر گروه مهندسی محیط زیست پژوهشکده محیط زیست جهاد دان

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 :
  • KEPRI(1999). Environment survey and assessment around nuclear power plants; (1998) ...
  • KHNP(2001). A review report on reduction scheme of thermal effect ...
  • Mlakar, P., Boznar, M., 1997. Perception neural net-work based model ...
  • Neural computing : An introduction .R.Beal and T.Jackson institute of ...
  • parallel Distributed processing, Volume 1 .J. L.McClelland and D.E Rumelhart.MI ...
  • Perceptrons. M.Minsky and S.Papert. MIT Press 1969 ...
  • نمایش کامل مراجع