این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
شیمی و مهندسی شیمی ایران، جلد ۴۰، شماره ۱، صفحات ۲۹۵-۳۰۷
عنوان فارسی مدل‌سازی گرانروی مخلوط‌های روان کننده و خنک کننده به کمک شبکه عصبی مصنوعی
چکیده فارسی مقاله در این پژوهش از شبکه عصبی مصنوعی (ANNs) برای پیش‌بینی گرانروی  مخلوط روان کننده و خنک ­کننده استفاده شده است. دما، فشار، وزن مولکولی، کسر مولی خنک­ کننده و گرانروی خنک­ کننده به عنوان متغیرهای ورودی و گرانروی مخلوط روان کننده و خنک­ کننده به عنوان خروجی  مورد استفاده قرارگرفت. تعداد کل داده ­های تجربی مورد استفاده در این مطالعه 1053 عدد بود که شبکه عصبی مصنوعی به طورتصادفی با 70% (737 نقطه داده)، 15% (158 نقطه داده) و15% (158 نقطه داده) به ترتیب مورد آموزش ، ارزیابی و آزمون  قرارگرفت. مقدارهای میانگین خطای مطلق برای مجموعه داده‌های آموزش، ارزیابی و آزمون به ترتیب 39/0، 48/0 و 49/0 است. بنابراین مدل  شبکه عصبی مصنوعی مطالعه شده با 15 نرون در لایه میانی هم­خوانی خوبی با  داده‌های تجربی دارد.
کلیدواژه‌های فارسی مقاله گرانروی،شبکه عصبی مصنوعی،مخلوط‌ روان کننده و خنک‌کننده،لایه میانی،
عنوان انگلیسی Modeling Viscosity of Refrigerant and Lubricant Mixtures Using Artificial Neural Network (ANN)
چکیده انگلیسی مقاله In this research, artificial neural networks(ANNs) have been used to predict the viscosity of lubricant/refrigerant mixtures. Temperature, pressure, molecular weight, the mole fraction of refrigerant, and viscosity of refrigerant are used as input variables and viscosity of refrigerant + lubricant mixtures is used as a target. The total number of experimental data point of viscosity that used in this study is 1053 that is trained, validated, and tested with random70%(837 data points), 15% (158 data points), and 15% (158 data points), respectively. The results of the AAD% for the train, validation and test sets of data are 0.39, 0.48, and 0.49, respectively. Therefore, studied ANN models with 15 neurons in a hidden layer are in good agreement with experimental data.
کلیدواژه‌های انگلیسی مقاله گرانروی,شبکه عصبی مصنوعی,مخلوط‌ روان کننده و خنک‌کننده,لایه میانی
نویسندگان مقاله حمیده ذوالفقاری |
گروه شیمی، دانشکده علوم پایه، دانشگاه یاسوج، یاسوج، ایران

فخری یوسفی |
گروه شیمی، دانشکده علوم پایه، دانشگاه یاسوج، یاسوج، ایران

رضوان کریمی |
گروه شیمی، دانشکده علوم پایه، دانشگاه یاسوج، یاسوج، ایران

نشانی اینترنتی https://www.nsmsi.ir/article_36160_e6012ec567ecc7ab3b8199c33b41a177.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات