این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Physical Chemistry Research، جلد ۴، شماره ۳، صفحات ۳۹۱-۴۰۵
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Prediction of Fe-Co-Mn/MgO Catalytic Activity in Fischer-Tropsch Synthesis Using Nu-support Vector Regression
چکیده انگلیسی مقاله Support vector regression (SVR) is a learning method based on the support vector machine (SVM) that can be used for curve fitting and function estimation. In this paper, the ability of the nu-SVR to predict the catalytic activity of the Fischer-Tropsch (FT) reaction is evaluated and the result is compared with two other prediction techniques including: multilayer perceptron (MLP) and subtractive clustering-adaptive neuro-fuzzy inference system (SUB-ANFIS). The Fischer-Tropsch synthesis (FTS) was studied in a fixed bed micro-reactor under different operating conditions. An extensive experimental data set of MgO supported Fe-Co-Mn catalyst was used to predict the FTS. The input variables of three aforesaid models were: reactor temperature, H2/CO ratio and total pressure, while the CO conversion (catalytic activity) was used as an output variable. Finally, the achieved results from these approaches were compared. The results reveal that thenu-SVR model has more accurate (MSE = 0.0014) than the MLP (MSE = 0.0097) and ANFIS (MSE = 0.0043) approaches.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی اکبر میرزایی | ali akbar
university of sistan and baluchestan

سمیه گلستان |
university of sistan and baluchestan

سید مسعود برکاتی | seyed masoud
university of sistan and baluchestan

نشانی اینترنتی http://www.physchemres.org/article_14776_110aeb6e3df2617fec0346a603a90bb4.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/529/article-529-334137.pdf
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات