استفاده از الگوریتم شبکه های عصبی مصنوعی جهت پیش بینی ضرایب فعالیت در رقت بی نهایت برای سیستم های دو جزئی

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,590

فایل این مقاله در 11 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:

NICEC12_188

تاریخ نمایه سازی: 30 شهریور 1387

چکیده مقاله:

با توجه به اینکه پارامترهای مدل های مختلف مربوط به ضرایب فعالیت با داشتن ضرایب فعالیت بی نهایت رقت بی نهایت قابل محاسبه اند ، در این مقاله شبکه عصبی چند لایه پیش هور جهت پیش بینی ضرایب فعالیت در رقت بی نهایت در سیستم های دو جزئی برای هر دو جز توسعه داده شده است . تعداد گروه های UNIFAC موجود در دو جزء حاضر در سیستم به عنوان بردار ورودی به این شبکه ، در نظر گرفته شده است . برای این کار در ابتدا بانک اطلاعاتی متشکل از 461 داده مربوط به ضرایب فعالیت در رقت بی نهایت سیستم های دو جزئی مختلف تهیه گردیده و سپس ساختارهای مختلف شبکه ، جهت تعیین ساختار بهینه با کمترین خطا در نظر گرفته شده است . برای آموزش شبکه ، الگوریتم لونبرگ مورد استفاده قرار گرفته است و در نهایت نشان داده شده است که شبکه عصبی 2-3-131 ، کوچکترین شبکه عصبی است که می تواند ضرایب فعالیت در رقت بی نهایت را در سیستم های دو جزئی با دقت خوبی تخمین بزند . نتایج نشان دهنده ضریب انطباق R2=0.098 برای ضرایب فعالیت در رقت بی نهایت هر دو جز می باشد .

کلیدواژه ها:

ضریب فعالیت در رقت بی نهایت ، روش UNIFAC ، شبکه عصبی ، تعادل بخار - مایع

نویسندگان

حسام احمدیان بهروز

دانشکده مهندسی شیمی و نفت ،دانشگاه صنعتی شریف

رامین بزرگمهری

دانشکده مهندسی شیمی و نفت ،دانشگاه صنعتی شریف

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 :
  • _ _ Jorgensen, B. Kolbe, J. Gmehling and P. Rasmussen, ...
  • - J. Gmehling, P. Rasmussen and A. Fredenslund, Ind. Eng. ...
  • - E.A. Macedo, U. Weidlich, J. Gmehling and P. Rasmussen, ...
  • - D. Tiegs, J. Gmehling, P. Rasmussen and A. Fredenslund, ...
  • - H.K. Hansen, P. Rasmussen and A. Fredenslund, M. Schiller ...
  • J. Gmehling, Fluid Phase Equilib., 144 (1998) 37-47. ...
  • J.Zupan, J. Gasteiger; Neural Networks in Chemistry and Drug Design, ...
  • A. Chouai, S. Laugier, D. Richon; Modeling of therm odynam ...
  • G.V. Cybenco, Mathematics of control, Signals Syst. 2 (1989) 303-314. ...
  • - Hornik, K.M.; Sti nchcombe, M.; White, 11.; Multilayer Feedforward ...
  • - J.Gmehling U.Onken U.Weidlich, "Chemistry data series- Vapor liquid equilibrium ...
  • نمایش کامل مراجع