پایان‌نامه

پیش بینی خواص ترمودینامیکی محلول های پلیمری پلی وینیل پیرولیدن در آب و اتانول با استفاده از شبکه های عصبی مصنوعی

صابر شیخوند امیری

چکیده

در این پژوهش برای پیش بینی برخی از خواص ترمودینامیکی (دانسیته، ویسکوزیته و کشش سطحی) محلول پلی وینیل پیرولیدن (pvp) در آب و اتانول با استفاده از فناوری هوش مصنوعی (شبکه های عصبی مصنوعی و الگوریتم های تکاملی) استفاده شده است. دانسیته، ویسکوزیته و کشش سطحی محلول های پلی وینیل پیرولیدن با جرم متوسط مولکولی 10000، 25000، 40000 و 90000 در آب و اتانول در دماهای 20، 25، 30، 35، 40، 45، 50 و 55 درجه سانتی گراد و غلظت های 05/0، 1/0، 2/0، 3/0 و 45/0 بوسیله پیکنومتر و ویسکومتر و تانسیومتر اندازه گیری گردید که مجموعه داده جمع آوری شده شامل 552 داده (232 داده برای دانسیته، 192 داده برای ویسکوزیته و 128 داده برای کشش سطحی) می باشد. از این داده ها برای آموزش و اعتبار سنجی شبکه استفاده شد. با توجه به اینکه استفاده از الگوریتم های آموزشی متداول (مانند الگوریتم لونبرگ مارکوات) گاهاً باعث بروز مشکلاتی (مانند به دام افتادن در اکسترمم های محلی و عدم دستیابی به ضرایب وزنی و بایاس های مناسب) می شوند برای یافتن مینیمم مطلق تابع خطا و تعیین بهترین ضرایب وزنی و بایاس ها از الگوریتم ژنتیک استفاده شد. در این پژوهش برای پیش بینی دانسیته، ویسکوزیته و کشش سطحی محلول پلیمری پلی وینیل پیرولیدن در آب و اتانول از یک شبکه عصبی مصنوعی پیش خور با تابع آستانه تانژانت سیگموئیدی در لایه ای میانی و خروجی، سه نرون در لایه ورودی، هفت نرون در لایه میانی و یک نرون در لایه خروجی استفاده شد که ضریب همبستگی (r) داده های خروجی شبکه برای دانسیته، ویسکوزیته و کشش سطحی محلول ها به ترتیب 999/0، 996/0 و 998/0 بدست آمده است. نتایج بدست آمده از این تحقیق نشان داد در صورت استفاده از الگوریتم ژنتیک در فرایند آموزش شبکه، مدل ارائه شده، توانایی بالایی در پیش بینی خواص ترمودینامیکی دارد.

اساتید راهنما و مشاور

مجید تقی زاده

پایان‌نامه‌های مشابه

اسناد مشابه

  • پیش بینی خواص ترمودینامیکی محلول های قندی توسط یک مدل ترمودینامیکی توسعه یافته

    مقالهعلوم غذایی و تغذیهمژده باغبانباشی، دانش آموخته کارشناسی ارشد دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)،دانشکده مهندسی شیمی، تهران، ایران غلامرضا پازوکی، استادیار دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، دانشکده مهندسی شیمی، تهران، ایران

    مقدمه: خواص ترمودینامیکی محلول های آبی حاوی ترکیبات قندی در صنایع مختلفی همچون تهیه مواد غذایی، صنایع نگه داری مواد غذایی و غیره کاربردهای مهمی دارد. به همین دلیل ارائه روشی مناسب برای پیش بینی و محاسبه این خواص از اهمیت بالایی برخوردار می باشد. مواد و روش ها: در این پژوهش خواص ت

  • پیش بینی خواص مکانیکی نانوکامپوزیت های پلی اتیلن سبک - نشاسته گرمانرم با استفاده از سامانه استنتاج فازی- عصبی تطبیقی

    مقاله۲۰۱۲مجله علوم و تکنولوژی پلیمرمریم ثابت زاده، روح اله باقری، مریم شهریاری کاهکشی

    رفتار مکانیکی نانوکامپوزیت های پلی اتیلن سبک نشاسته گرمانرم با استفاده از سامانه استنتاج فازی عصبی تطبیقی بررسی شده است. بدین منظور، کامپوزیت های پلی اتیلن سبک نشاسته گرمانرم حاوی مقادیر مختلف )صفر تا 3 درصد وزنی( نانوخاک رس ) cloisite 15a ( با استفاده از فرایند اکستروژن تهیه شد.

  • استفاده از شبکه های عصبی مصنوعی برای شناسایی خواص ترمودینامیکی محلول لیتیوم برماید-آب

    مقالهمهندسی مکانیک امیرکبیرسیّدمصطفی حسینعلی¬پور، سیّدمحمّدابراهیم درخشانی، محمّدمهدی عارفی

    در این مقاله از شبکه­های عصبی برای شناسایی خواص ترمودینامیکی محلول لیتیوم برماید-آب که یکی از پرکاربردترین محلول ها در شبیه سازی های ترمودینامیکی می باشد، استفاده شده است. برای آموزش شبکه عصبی از داده های شبیه سازی شده ناشی از تحلیل ترمودینامیکی استفاده شده است. به جای استفاده از

  • استفاده از شبکه¬های عصبی مصنوعی برای شناسایی خواص ترمودینامیکی محلول لیتیوم برماید-آب

    مقاله۲۰۱۰نشریه مهندسی مکانیک امیرکبیرسیّدمصطفی حسینعلی¬پور، سیّدمحمّدابراهیم درخشانی، محمّدمهدی عارفی

    در این مقاله از شبکه­های عصبی برای شناسایی خواص ترمودینامیکی محلول لیتیوم برماید-آب که یکی از پرکاربردترین محلول ها در شبیه سازی های ترمودینامیکی می باشد، استفاده شده است. برای آموزش شبکه عصبی از داده های شبیه سازی شده ناشی از تحلیل ترمودینامیکی استفاده شده است. به جای استفاده از

  • پیش بینی خواص فیزیکی پسته با استفاده از شبکه های عصبی مصنوعی در طی فرآوری

    مقالهنوآوری در علوم و فناوری غذایی

    شناخت خواص فیزیکی مغز پسته در فرآیندهای انتقال، خشک کردن، فرآوری، جداسازی، درجه بندی و ذخیره این محصول ارزشمند نقش اساسی ایفاء می کند. در این مطالعه، خواص فیزیکی پسته توسط مدل های مختلف شبکه ی عصبی شبیه سازی گردید. مدل های مختلف شبکه ی عصبی همراه با تابع های آستانه ی مختلف در پیش

  • بهینه سازی و پیش بینی خواص مکانیکی الیاف آمیخته ای پلی پروپیلن- پلی بوتیلن ترفتالات(pp/pbt ) با استفاده از روش طراحی آزمایش رویه پاسخ

    مقالهعلوم و فناوری نساجیمحمد علی توانایی، یزد، دانشگاه یزد، مجتمع فنی مهندسی، دانشکده مهندسی نساجی، صندوق پستی : 89195-741 احمد موسوی شوشتری، تهران، دانشگاه صنعتی امیرکبیر، دانشکده مهندسی نساجی، صندوق پستی: 15875-4413 فاطمه گوهر پی، تهران، دانشگاه صنعتی امیرکبیر، دانشکده پلیمر، صندوق پستی: 15875-4413 محمد بامنی مقدم

    یکی از اهداف مهم اختلاط پلیمرها در تولید الیاف آمیخته ای، بهبود خواص مکانیکی الیاف است. به دلیل تعدد اجزای پلیمری در تولید الیاف آمیخته ای، معمولا بهینه سازی ترکیب درصد اجزا، برای دستیابی به خواص بهینه، مستلزم صرف زمان طولانی و هزینه زیاد است. در این پژوهش، با استفاده از روش طراح