دانلود مقالات

مدلسازی شبکه عصبی مصنوعی فرآیند جذب دی اکسید کربن از متان توسط مایع یونی 1در هگزیل 3در متیل ایمیدازولیم بیس (تری فلوئورومتیل سولفونیل) ایمید دارای 18 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مدلسازی شبکه عصبی مصنوعی فرآیند جذب دی اکسید کربن از متان توسط مایع یونی 1در هگزیل 3در متیل ایمیدازولیم بیس (تری فلوئورومتیل سولفونیل) ایمید کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مدلسازی شبکه عصبی مصنوعی فرآیند جذب دی اکسید کربن از متان توسط مایع یونی 1در هگزیل 3در متیل ایمیدازولیم بیس (تری فلوئورومتیل سولفونیل) ایمید،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مدلسازی شبکه عصبی مصنوعی فرآیند جذب دی اکسید کربن از متان توسط مایع یونی 1در هگزیل 3در متیل ایمیدازولیم بیس (تری فلوئورومتیل سولفونیل) ایمید :

نام کنفرانس یا همایش : دومین کنفرانس بین المللی و سومین همایش ملی کاربرد فناوری های نوین در علوم مهندسی

تعداد صفحات : 18

چکیده مقاله:

در این مقاله به مدلسازی و بررسی فرآیند جذب CO2 در مایع یونی [HMIm][Tf2N] پرداخته می شود. جهت مدلسازی دوپارامتر دما و فشار به عنوان داده ورودی و مقدار جذب (جز مولی CO2) به عنوان خروجی درنظر گرفته شده است. جهت مدلسازی فرآیند جذب CO2 از ابزار شبکه عصبی استفاده شده است. برای پیدا کردن مهمترین پارامتر تأثیرگذار بر خروجی با استفاده از شبکه عصبی به عنوان تابع مدلسازی، از آنالیز حساسیت استفاده شد. جهت پیدا کردن شرایط بهینه مدلسازی با شبکه عصبی سه الگوریتم آموزشی مختلف با یک و دولایه مختلف، تعداد نرون ها تغییر داده شد تا شرایط بهینه پیدا شود. بهینه مدل شبکه عصبی در یک لایه مخفی با الگوریتم آموزشی لونبرگ مارکواردت با 14 نرون بدست آمد. با 14 نرون بیشترین ضریب همبستگی 0/9965 و کمترین خطا 0/0014 بدست آمد. بهینه مدل شبکه عصبی در دولایه مخفی با الگوریتم آموزشی لونبرگ مارکواردت با 4 نرون در لایه اول و 5 نرون در لایه دوم بدست آمد. ضریب همبستگی این مدل 0/9965 و خطای 0/0014 بدست آمد.