طراحی روش مدل سازی یک راکتور استریلیزاسیون با شبکه عصبی مصنوعی (ANN) با استفاده از نرم افزار MATLAB

مهرزاد زندیه¹

1) کارشناسی ارشد مهندسی شیمی گرایش طراحی فرآیندها دانشگاه رازی کرمانشاه ایران

کد IOI مقاله : XCAG-EGZKZ
محل انتشار : هفتمین کنفرانس بین المللی شیمی و مهندسی شیمی (ccce.ir)
چکیده :
    شبکه های عصبی مصنوعی (ANN) سیستم های محاسبات موازی مانند شبکه های عصبی بیولوژیکی هستند. محاسبه از طریق شبکه های عصبی یکی از حوزه های رو به رشد هوش مصنوعی است. شبکه های عصبی شامل مقادیر زیادی از اجزای پردازشی با اتصال آنها هستند. شبکه های عصبی نیازی به شناخت قبلی در مورد ماهیت روابط بین داده ها ندارند. این یکی از مهمترین مزیت های ANN در مقایسه با اکثر روشهای تجربی و آماری است. شبکه های عصبی را می توان با سه مؤلفه مشخص کرد. نورونها ، وزنها و توابع انتقال. نورونها پردازنده های اساسی شبکه های عصبی هستند و از طریق پیوندهای معروف به وزن به یکدیگر وصل می شوند. نورونها معمولاً در لایه ها چیده می شوند. یک لایه ورودی ، یک لایه خروجی و یک یا چند لایه پنهان. در ANN ها ، هر نورون در لایه (ها) و لایه پنهان عملکرد انتقال را بر ورودی خود اعمال می کند. عملکرد انتقال ، بازده نورون ها را محاسبه می کند. در این مطالعه ، روش طراحی و توسعه مدل سازی یک راکتور استریلیزاسیون با شبکه عصبی مصنوعی (ANN) با استفاده از MATLAB انجام شده است. ما یک شبکه عصبی مصنوعی 3 لایه با الگوریتم آموزش پس انتشار پیشنهاد می کنیم. پارامترهای ورودی شبکه عبارتند از محتوای میکروبی اولیه میکروارگانیسم ها (C) ، زمان فرآیند در راکتور استریلیزاسیون (t) ، دمای فرآیند راکتور استریلیزاسیون (T) و سرعت جریان گاز (Q). خروجی شبکه راندمان استریلزاسیون است. شبکه مدل پیشنهاد شده دارای معماری 41X است. که X عدد نورون لایه پنهان است. شبکه بهینه با استفاده از جعبه ابزار MATLAB با روش حدس و خطا محاسبه می شود. معیار انتخاب شبکه بهینه بالاترین مقدار R (ضریب همبستگی) و کمترین مقدار MSE (میانگین خطای مربع) برای هر دو داده های آموزش و داده های آزمایش است.

کلمات کلیدی : رویه شبکه عصبی مصنوعی (ann) مدل سازی راکتور استریلیزاسیون فرآیند متلب