این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
شیمی و مهندسی شیمی ایران، جلد ۳۹، شماره ۴، صفحات ۱۸۵-۱۹۲
عنوان فارسی مدل سازی نمک زدایی آب شور با استفاده از فرایند الکترودیالیز به روش شبکه عصبی
چکیده فارسی مقاله در این مطالعه، مدلی با استفاده از دیدگاه جعبه سیاه و با تکیه بر روش شبکه عصبی برای فرایند الکترودیالیز ارایه شده است. در این مدل به بررسی اثر چهار پارامتر اساسی دما، ولتاژ مصرفی، شدت جریان و غلظت خوراک بر درصد جداسازی نمک از آب شور پرداخته شده است. با استفاده از روش آزمون و خطا، روش آموزش، تابع انتقال و تعداد بهینه نرون‌های هر لایه با توجه به بهترین عملکرد شبکه انتخاب شده است. شبکه عصبی به صورت چند لایه، روش پس انتشار و روش لونبرگ ـ ماوکوارت توسعه یافته است. در این پژوهش از 135 داده آزمایشگاهی استفاده شده است که 60% (81 داده) آن برای آموزش شبکه، 20% داده‌ها (27 داده) به عنوان داده‌های ارزیابی فرایند آموزش و 20% (27 داده) برای ارزیابی تعمیم‌پذیری شبکه به عنوان داده‌های آزمون در نظر گرفته شده است. از مقایسه نتیجه­ های مدل با داده ‌های مستقل آزمایشگاهی، نتیجه‌شد که آرایش بهینه شبکه به صورت 4:5:8:1 به­ دست می‌آید و مدل با خطای کم­تر از 1% قابلیت پیش‌بینی رفتار فرایند را دارد.
کلیدواژه‌های فارسی مقاله الکترودیالیز،مدل‌سازی،نمک‌زدایی،شبکه عصبی،
عنوان انگلیسی Salty Water Desalination Modeling Using Electrodialysis Process and Neural Network Technique
چکیده انگلیسی مقاله In this study, a model is presented using the black box neural network technique. In this model, the effects of four basic parameters, including temperature, voltage consumption, flow rate, and feed concentration on salt separation percentage from salty water, have been investigated. With the help of trial and error, the training method, transfer function, and the optimal number of neurons on each layer are selected to provide the best network performance. Multi-layer neural network, backpropagation, and Levenberg-Marquardt algorithm are utilized as the optimum options. In this study, 135 data were used, allocating 60% of them (81 data) to network training, 20% (27 data) to training data evaluation, and the remaining 20% (27 data) to assess the network generalizability as test data. Finally, a comparison of the model results with independent laboratory data indicates that the optimal network arrangement is 4:5:8:1, and the model with an error of less than 1% can predict the process behavior.
کلیدواژه‌های انگلیسی مقاله الکترودیالیز,مدل‌سازی,نمک‌زدایی,شبکه عصبی
نویسندگان مقاله امیرحسین بهروزی |
دانشکده مهندسی شیمی، نفت و گاز، دانشگاه علم و صنعت ایران، تهران ، ایران

زهرا زورمند |
دانشکده مهندسی شیمی، نفت و گاز، دانشگاه علم و صنعت ایران، تهران ، ایران

نوراله کثیری |
دانشکده مهندسی شیمی، نفت و گاز، دانشگاه علم و صنعت ایران، تهران ، ایران

نشانی اینترنتی https://www.nsmsi.ir/article_35666_4f85c6172120e5626ebf1b48e0004be1.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