مقاله

مقایسه نتایج حاصل از شبکه‏ های عصبی mlp و rbf در پیش بینی نتایج حاصل از همزمانی پدیده‏ های انتقال جرم و انتقال حرارت

دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است

چکیده

در اکثر فرآیند های مهندسی شیمی پدیده های انتقال جرم و انتقال حرارت جزء جدایی ناپذیر فرآیند ها می باشند. در این مقاله با استفاده از یک دستگاه آزمایشگاهی، به بررسی تجربی همزمان این دو پدیده در فرآیند های مهندسی شیمی و تاثیراتی که بر روی هم و بر روی فرآیند ها می توانند داشته باشند، پرداخته شده است. در این دستگاه وجود پدیده های چگالش و تبخیر که در اثر انتقال حرارت ایجاد می شوند، می توانند باعث انتقال جرم شده و در نهایت بر ضریب انتقال حرارت تاثیر می گذارند همچنین وجود انتقال جرم، توزیع دما در پدیده انتقال حرارت را تغییر داده و باعث ایجاد تغییرات کلی در شار حرارتی می گردد. آزمایشات متعددی با تغییر پارامتر های مختلف مانند دما و دبی برای هر دو سیال آب و هوا انجام گرفته است؛ که از نتایج حاصل از این آزمایشات در بررسی انواع شبکه عصبی مصنوعی و مقایسه عملکرد این شبکه ها با یکدیگر و با نتایج حاصل از آزمایشات استفاده شده است. از جمله شبکه های عصبی استفاده شده در این مقاله می توان به شبکه radial basis function یا rbfو شبکهmulti layer perceptron یا mlp اشاره نمود. بررسی های انجام شده حاکی از این است که شبکه mlp به دلیل عدم امکان فیلتر نمودن نویز قادر به پیش بینی مناسب نیست درحالی که شبکه rbf به دلیل دارا بودن مبنای تئوری قویتر عملکرد بهتری را دارا می باشد.

اسناد مشابه

  • مقایسهء نتایج حاصل از روش های مختلف پیش بینی امواج ناشی از باد در خلیج فارس (منطقه بوشهر)

    مقاله۲۰۰۵فیزیک زمین و فضاعباسعلى على اکبرى بیدختى، مهدى شفیعى فر، کامران لارى

    مطالعهء پارامترهای میدانی همراه با دید و درک فیزیکی مسائل، در مسیر روشن کردن برخی از پدیده های فیزیک دریا بسیار مفید است. در این تحقیق پارامترهای مختلف میدانی ثبت شده توسط بویه موج نگار سازمان هواشناسی کشور در خلیج فارس، سواحل بوشهر (28,57’ شمالی و "30، 50 شرقی) از جمله مشخصه های

  • مقایسه مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقای بیماران لوسمی حاد

    مقالهفصلنامه پژوهشی خونسعید حسینی تشنیزی، s. hosseini teshnizi دانشگاه علوم پزشکی هرمزگان مهدی تذهیبی، m. tazhibi دانشگاه علوم پزشکی اصفهانسازمان اصلی تایید شده: دانشگاه علوم پزشکی هرمزگان (hormozgan university of medical sciences) مینا توسلی فرحی، m. tavasoli farahi دانشگاه علوم پزشکی هرمزگانسازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (isfahan university of medical sciences)

    چکید ه سابقه و هدف مدل رگرسیون کاکس، یکی از روش‏های رایج تحلیل داده‏های بقا می‏باشد که قبل از به ‏کارگیری آن لازم است فرض متناسب بودن خطرات برقرار باشد. اخیراً مدل‏های شبکه عصبی بدون نیاز به فرض خاص، جایگزینی مناسب در پیش‏بینی بقا می‏باشند. هدف از این مطالعه، مقایسه‏ توانایی مدل

  • طراحی شبکه عصبی مصنوعی برای پیش بینی نتایج حاملگی در مادران باردار لوپوسی در ایران

    مقالهمجله دانشکده پزشکی دانشگاه علوم پزشکی تهرانمحمود اکبریان، mahmoud akbarian rheumatology research center, tehran university of medical sciences, tehran, iran.مرکز تحقیقات روماتولوژی، دانشگاه علوم پزشکی تهران خدیجه پایدار، khadijeh paydar department of health information management, school of allied medical sciences, tehran university of medical sciences, tehran, iran.گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهرانن شراره رستم نیاکان کلهری، sharareh r ostam niakan kalhori department of public health, school of public health, ahvaz jundishapur university of medical sciences, ahvaz, iran.گروه بهداشت عمومی، دانشکده بهداشت، دانشگاه علوم پزشکی جندی شاپور اهواز عباس شیخ طاهری

    زمینه و هدف: لوپوس اریتماتوی سیستمیک (sle) بیماری خودایمنی چند سیستمی با تظاهرات متنوع و رفتار متغیر می باشد. بارداری برای زنان با sle به عنوان چالش مطرح است. مشاوره پیش از بارداری به دلیل برآورد ریسک نتایج نامطلوب در مادر و جنین با استفاده از داده های مناسب ضروری است. هدف این مط

  • مقایسه روش های سری زمانی و شبکه عصبی مصنوعی در پیش بینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه)

    مقاله۲۰۱۶علوم و مهندسی آبیارینسرین آزاد طلاتپه، جواد بهمنش، مجتبی منتصری، وحیدرضا وردی نژاد

    تبخیر-تعرق یکیازمؤلفه­هایمهمدرمصرفمنابعآب در بخش کشاورزیمی­باشد. لذا ارائه روشی که پیش­بینی مناسب و دقیقی از میزان تبخیر-تعرق مرجع را بدهد، می­تواند در اخذتصمیم­ بهینهبرایبرنامه­ریزی منابع آب کمککند. دراینتحقیق،روش­های سری زمانی و شبکه­های عصبی مصنوعی درپیش­بینیتبخیر-تعرق مرجع ما

  • کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش بینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست)

    مقاله۲۰۱۳علوم و مهندسی آبیاریحسین ملکی نژاد، ربابه پورشرعیانی

    پیش­بینی نوسانات سطح آب زیرزمینی، برای برنامه­ریزی مناسب­تر به­ویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیش­بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل­های سری زمانی و شبکه عصبی استفاده شد. برای مدل­سازی، اطلاعات سطح آب زیرزمینی در طی سال­های 88-1366 اس

  • ارزیابی و مقایسه عملکرد مدل رگرسیون خودبازگشتی میانگین متحرک انباشته فازی و شبکه عصبی فازی در پیش¬بینی رشد اقتصادی ایران

    مقاله۲۰۱۴فصلنامه مطالعات اقتصادی کاربردی ایران (علمی - پژوهشی)منصور زراء نژاد، مسعود خداپناه، پویان کیانی، صلاح ابراهیمی

    پیش­بینی براساس مدل­های چندمتغیری اقتصادسنجی با محدودیت­هایی زیادی همراه است، بنابراین یک روش جایگزین استفاده از مدل­های تک متغیری است. اما اکثر روش­های تک­متغیری برای حصول به ­نتیجه خوب نیاز به داده­های زیادی دارند. روش­های رگرسیون فازی به­دلیل فازی در نظر گرفتن اعــداد، برای مد