پیش بینی عدد ستان بیودیزل با استفاده از پروفیل اسیدهای چرب
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 496
فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
WINDCONF08_005
تاریخ نمایه سازی: 30 دی 1394
چکیده مقاله:
دردنیای امروز سوخت بیودیزل به علت تجدیدپذیری وخاصیت آلایندگی کمتر، به عنوان مناسب ترین سوخت جایگزین شناخته شده است. بر اساس استاندارد، بیودیزل عبارت است از ترکیب استرهای مونوالکیلی زنجیره بلند اسیدهای چرب که از واکنش یک الکل با مواد لیپیدی تجدیدپذیر حاصل می شود و مناسب ترین روش تولید آن، استفاده از روش استریفیکاسیون است. پروفیل ترکیبی روغن های گیاهی عمدتاً از پنج اسید چرب تشکیل شده است، پالمیت (16:0)، استریک (18:0)، اولئیک (18:1)، لینولئیک (18:2)، لنولئیک (18:3). عدد ستان بیو دیزل تا حد زیادی به کمک پروفیل اسید های چرب آن مشخص می شود. مساله اساسی ارائه مدلی جهت پیش بینی این خاصیت بیودیزل و سنجش اعتبار مدل ارائه شده با استفاده از داده های آزمایشگاهی است. در این تحقیق از نرم افزار MATLAB R2011bبرای مدلسازی به کمک شبکه های عصبی مصنوعی استفاده شده است. دو نوع مدل با تعداد ورودی مختلف برای این کار پیشنهاد شده است که در هر مدل %60 داده ها برای آموزش مدل، %20 داده ها به عنوان اعتبارسنجی مدل و %20 باقی مانده برای تست کردن مدل انتخاب گردیدند. سپس فرآیند آموزش شبکه تا جایی که تفاوت بین داده های واقعی و داده های پیش بینی شده به حداقل برسد، ادامه یافت. برای مدل اول مقدار ضریب همبستگی برابر با 95511/0و برای مدل دوم ضریب همبستگی 8155/0 بدست آمده است که در هردو مدل باتوجه به ورودی های شبکه نشان دهنده قابلیت مورد قبول مدل های ارئه شده برای پیش بینی عدد ستان می باشد
کلیدواژه ها:
نویسندگان
سمیرا لشگری
دانشجوی کارشناسی ارشد مهندسی شیمی
مهدی ارجمند
هیات علمی (دانشیار) گروه مهندسی شیمی دانشگاه آزاد اسلامی واحد تهران جنوب
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 :