پیش بینی ویسکوزیته و هدایت گرمایی مبردهای دوستدار لایه اوزون در محدوده ی وسیعی از دما و چگالی
Abstract
No abstract recorded for this item.
No abstract recorded for this item.
در این پایان نامه، از مدل شبکه ی عصبی موجک (wnn) برای پیش بینی دانسیته ی کتون ها در محدوده ی وسیعی از دما و فشار استفاده شده است. در ابتدا مدل شبکه ی عصبی موجک با دو متغیر دما، فشار و توصیف کننده هایی برمبنای روش سهم گروه شامل تعداد گروه های متیل، متیلن، متین وگروه عاملی کربونیل
در این پایان نامه، از مدل شبکه عصبی موجک برای پیش بینی دانسیته آلکان ها از 2 تا 19 کربنه و سیکلوآلکان ها در محدوده ی وسیعی از دما و فشار استفاده شده است. دو شبکه عصبی موجک برای پیش بینی دانسیته مدل سازی شد: یکی برای گازهای طبیعی (آلکان های 2 تا 4 کربنه) و دیگری برای آلکان های خطی
در این تحقیق، مطالعات ارتباط کمی ساختار – خاصیت با استفاده از شبکه ی عصبی مصنوعی برای پیش بینی ضریب تراکم پذیری همدمای ترکیبات آلی مختلف به کار گرفته شده است. سری داده ها شامل ضریب تراکم پذیری همدمای 56 ترکیب در دما و فشارهای مختلف است که مجموعاً 4297 نقطه داده را تشکیل می دهد. ب