پایان‌نامه

پیش بینی و بهینه سازی مشخصات نانوساختارهای کربنی با استفاده همزمان شبکه های عصبی و منطق فازی

سجاد رشیدی

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

چکیده

تعیین مشخصات و بهینه سازی نانوساختارهای کربنی به وسیله پژوهشگران مختلفی تا به امروز مورد بررسی قرار گرفته است. برای پیش بینی مشخصات محصول خروجی و دست یابی به مقادیر بهینه پارامترهای موثر، روش های جدید و موثری نیاز است. کربن فعال یکی از مهمترین نانوساختارهای کربنی می باشد. تلاش به منظور شبیه سازی فرآیند تولید کربن، می تواند منجر به شناخت موثرتر و مطلوب تر راه های تولیدکربن فعال شود. این گونه تلاشها به منظور توسعه فناوری های مرتبط مانند فناوری جذب گاز طبیعی حیاتی به نظر می رسد. در این مطالعه ابتدا به مدلسازی به وسیله ساختارهای عصبی-فازی پرداخته شده است. سپس ساختار ساخته شده توسط الگوریتم ژنتیک به منظور رسیدن به حداکثر مقدار خروجی در بازه موردنظر، بهینه سازی شده و در انتها به مقایسه این بهینه سازی با دیگر روش های بهینه سازی آماری پرداخته شده است. در ابتدای کار و برای انجام مدلسازی، به بررسی عوامل موثر بر تولید کربن فعال پرداخته شده است. با بررسی منابع مختلف این عوامل استخراج شده و سپس بر اساس تجربیات گذشته به چهار پارامتر مهم تر کاهش یافته است. این پارامترها عبارتند از: نوع ماده فعالساز شیمیایی، نرخ عامل ماده فعالساز، دمای فعالسازی و زمان فعالسازی. این چهار پارامتر برای پیش بینی عدد یدی به کار رفته است. ولی به منظور پیش بینی سطح ویژهکربن فعال، پارامتردیگری به نام نرخ جریان نیتروژن نیز مورد بررسی قرار می گیرد. پس از تعیین پارامترهای ساختارهای عصبی-فازی، داده های دیگری به منظور تایید اعتبارِ ساختارهای ایجاد شده،استفاده شده و خروجی آنها با مقادیر واقعی مقایسه شده اند. خطای نسبی میانگین و ضریب تعیین برای پیش بینی عدد یدی به ترتیب 4409/0 و 94/0 و برای پیش بینی سطح ویژهکربن فعال 02677/0 و 9885/0 گزارش شده است که بسیار رضایت بخش می باشد.

اساتید راهنما و مشاور

علی احمدپور

پایان‌نامه‌های مشابه

اسناد مشابه

  • پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی

    مقالهپژوهشنامه مدیریت حوزه آبخیزفرزانه اکبرزاده، حمید حسن پور، صمد امامقلی زاده

    پیش­بینی تراز آب زیرزمینی به منظور مدیریت و برنامه­ریزی منابع آب، بسیار مهم است. برای انجام این پیش­بینی، از روش­های متعددی مانند روش­های استوکستیکی، منطق فازی و شبکه عصبی مصنوعی می­توان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی rbf هیبرید برای پیش­بینی تراز آب زیرزمینی د

  • پیش بینی شاخص قیمت بورس سهام با استفاده از شبکه عصبی و تبدیل موجک

    مقالهمدیریت دارایی و تأمین مالیرضا راعی، دانشگاه تهران شاپور محمدی، دانشگاه تهران حنظله فندرسکی، دانشگاه تهران

    شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می باشد. از این رو پیش بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی های سرمایه گذاری، یکی از مسائل مهم به شمار می رود. از جمله روش های پیش بینی پرکاربرد در سری های زمانی مالی، شبکه عصبی می باشد که با توجه به جام

  • پیش بینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک

    مقالهعلوم تغذیه و صنایع غذایی ایرانهاجر عباسی، h abbasi department of food science and technology, khorasgan (isfahan) branch, islamic azad university, isfahan, iran.گروه علوم و صنایع غذایی، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران محمدامین محمدی فر، ma mohammadifar department of food science and technology, faculty of agriculture and natural 3department of food science and technology, faculty of nutrition sciences, food science and technology / national nutrition and food technology research institute, shahid beheshگروه آموزش علوم و صنایع غذایی، انستیتو تحقیقات تغذیه و صنایع غذایی، دانشکده تغذیه و صنایع غذایی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران

    سابقه و هدف: خمیر محصول میانی خطوط تولید صنایع نانوایی است که ویژگی های رئولوژیکی آن نمایانگر خصوصیات فیزیکوشیمیایی مواد اولیه و مؤثر بر ویژگی های کیفی فرآورده نهایی است. با توجه به کارایی بالای شبکه های عصبی مصنوعی در آموزش پذیری و پردازش موازی داده ها با روابط غیر خطی، هدف از ا

  • پیش بینی شدت تصادفات جاده ای با استفاده از شبکه عصبی مصنوعی و مقایسه آن با روش آنالیز چند متغیره

    مقاله۲۰۲۱جادهمحمدرضا کی منش، نصیر برادران رحمانیان

    پیش بینی شدت تصادفات در صورتی که با متدلوژی های دارای مبانی علمی انجام گیرد می تواند به عنوان ابزاری مهم در مدیریت ایمنی راهها و مهندسی حمل و نقل محسوب شود. در این مقاله روشی برای شناسایی و پیش بینی و شدت تصادفات در راههای بین شهری ارائه شده است. این روش مبتنی بر یک تحقیق تجربی ا

  • پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی

    مقاله۲۰۱۶پژوهشنامه مدیریت حوزه آبخیزفرزانه اکبرزاده، حمید حسن پور، صمد امامقلی زاده

    پیشبینی تراز آب زیرزمینی به منظور مدیریت و برنامهریزی منابع آب، بسیار مهم است. برای انجام این پیشبینی، از روشهای متعددی مانند روشهای استوکستیکی، منطق فازی و شبکه عصبی مصنوعی میتوان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی RBF هیبرید برای پیشبینی تراز آب زیرزمینی دشت شاهر

  • سیستم خبره پیش بینی قیمت سهام و بهینه سازی سبد سهام با استفاده از شبکه های عصبی فازی، مدل سازی فازی و الگوریتم ژنتیک

    مقاله۲۰۱۴مهندسی مالی و مدیریت اوراق بهادارمحسن زمانی، امیر افسر، سید وحید ثقفی، الهام بیات

    افزایش میزان سود و کاهش ریسک سرمایه¬گذاری دربورس همیشه مهمترین دغدغه سرمایه¬گذاران بوده است و آنها همواره به دنبال راهی هستند که بهترین پیشنهاد را برای خرید سهام داشته باشند به گونه¬ای که دارای بیشترین بازده و کمترین ریسک سرمایه¬گذاری باشد.تحقیقات زیادی در این رابطه انجام شده است