بهینه سازی مصرف مواد منعقد کننده در تصفیه آب با بکارگیری شبکه های عصبی از نوع GMDH

سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,539

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NICEC09_323

تاریخ نمایه سازی: 14 فروردین 1386

چکیده مقاله:

در این مقاله یک مدل غیرخطی با بهره گیری از شبکه های عصبی GMDH و با استفاده از نتایج تجربی به منظور بهینه ساز ی مقدار مواد منعقد کننده مصرفی در تصفیه خانه بزرگ آب رشت ارائه شده است . به همین منظو ر سه روش جهت ایجاد ساختار شبکه های عصبیGMDH و همچنین روش های SVD و حل معادلات متعامد در تعیین ضرایب چندجمله ایهای درجه دوم در بهینه سازی این نوع شبکه ها مقایسه شده است . همچنین در بررسی توانایی پیش بینی مدلهای ارائه شد ه, داده های عددی را به دو مجموعه از داده های آموزشی و آزمایشی تقسیم نموده, توسط داده های آمو زشی مدل را ایجاد کرده و با داده های آزمایشی دقت پیش بینی مدلها سنجیده شده است

کلیدواژه ها:

نویسندگان

الهیار داغبندان

دانشکده فنی دانشگاه گیلان

رامین رزاقی

دانشکده فنی دانشگاه گیلان

یاسمن موسوی

دانشکده فنی دانشگاه گیلان

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 :
  • آشفته، جلال، طراحی آبرسانی شهری، نشر حسینیان، جلد دوم، (1370). ...
  • حقیقت پژوه، حمید رضا، ارائه مدل ریاضی مواد منعقدکننده در ...
  • آرشیو تصفیه خانه آب رشت از تاریخ 80/8/1 لغایت 81/6/31 ...
  • _ همنکنگره ملی مهندسی شیمی ایران، دانشگاه علم و صنعت ...
  • _ همنکنگره ملی مهندسی شیمی ایران، دانشگاه علم و صنعت ...
  • _ همنکنگره ملی مهندسی شیمی ایران، دانشگاه علم و صنعت ...
  • _ همنکنگره ملی مهندسی شیمی ایران، دانشگاه علم و صنعت ...
  • _ همنکنگره ملی مهندسی شیمی ایران، دانشگاه علم و صنعت ...
  • Ivakhneko, A.G., ،، Po lyno mialTheory of Complex System', IEEE ...
  • Farlow, S.J., ed., ،;Self- organizing Method in Modeling: GMDH type ...
  • Iba, H., deGaris, H., and Sato, _ A numerical Approach ...
  • Imp lementatio n and Use _ Practical؟، 4. Dolenko, S. ...
  • N. N ariman-Zadeh, A. Darvizeh and G R. Ahmad -Zadeh, ...
  • Medala, H. R. Ivakhnenko, A.G., ،+Inductive Learning Algorithm for Complex ...
  • Kennedy, P. M., and Chua, L. O., ،^Neural Networks for ...
  • Galkin, I., lowell, U., *Polynomial Neural Networks? Materials for UML ...
  • نمایش کامل مراجع