مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

77
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

17
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی حلالیت تعادل دی اکسیدکربن در محلول تری اتانول آمین + پیپرازین + آب با استفاده از مدل سازی شبکۀ عصبی مصنوعی

صفحات

 صفحه شروع 78 | صفحه پایان 97

چکیده

 در این مطالعه, مدل مبتنی بر هوش مصنوعی برای پیش بینی حلالیت تعادلی دی اکسیدکربن در سامانۀ حلال آمین (تری اتانول آمین + پیپرازین + آب) با هدف جذب
دی اکسیدکربن ایجاد شده است. در مدل پرسپترون چندلایه, داده های حلالیت (بارگذاری دی اکسیدکربن در محلول آمین) به عنوان تابعی از فشار جزئی دی اکسیدکربن, دمای سامانه و ترکیب آمین بررسی شد. الگوریتم لونبرگ- مارکوارت پس انتشار برای پیش بینی فشار جزئی دی اکسیدکربن استفاده شد. نسبت نهایی آموزش, اعتبارسنجی و مجموعۀ داده های آزمایشی تقریباً 70:15:15 بود. ساختار بهینۀ پرسپترون چندلایه (MLP) در الگوریتم لونبرگ- مارکوارت برای فشار جزئی دی اکسیدکربن با 20 نورون در اولین لایۀ پنهان و 10 نورون در لایۀ پنهان دوم ایجاد شده است. ضریب همبستگی 995/0 بین نتایج تجربی و محاسبات شبکۀ عصبی مصنوعی وجود دارد که سازگاری عالی بین آن ها را نشان می دهد. بهترین عملکرد اعتبارسنجی 0043497/0 از دورۀ 13 بود. به طور کلی, نتایج نشان می دهد که مدل اعمال شده می تواند پیش بینی دقیقی از فشار جزئی و یا حلالیت برای شرایط مختلف عملیاتی ارائه دهد.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button