پیش بینی و تخمین خواص هیدروژن اشباع با استفاده از شبکه عصبی مصنوعی

پیش بینی و تخمین خواص هیدروژن اشباع با استفاده از شبکه عصبی مصنوعی

احسان علی پناهی1 میلاد ملک پور2

1) دانشجو کارشناسی مهندسی تکنولوژی صنایع شیمیایی.دانشگاه فنی وحرفه ای شهید چمران اهواز
2) دانشجو کارشناسی مهندسی تکنولوژی صنایع شیمیایی.دانشگاه فنی وحرفه ای شهید چمران گرگان

کد IOI مقاله : XYDC-AGAEH
محل انتشار : کنفرانس بین المللی پژوهش در علوم و مهندسی(icrsie.com)
چکیده :
    چکيده خواص ترمودینامیکی هیدروژن مانند فشار بخار، دانسیته، ظرفیت حرارتی و هدایت حرارتی در طراحی واحدهای مختلف شیمیایی بسیار اهمیت دارند. در این مقاله شبکه عصبی انتخاب شده، شبکه پیش‌خور با الگوریتم پس انتشار خطا با تابع آموزش انتشار رو به عقب لونبرگ مارکوارت است. ورودی به شبکه عصبی دما است و خروجی شبکه خواص هیدروژن در حالت اشباع هستند که شامل فشار بخار، دانسیته مایع و بخار، آنتالپی مایع و بخار، ظرفیت حرارتی مایع و بخار، ویسکوزیته مایع و بخار، هدایت حرارتی مایع و بخار و کشش سطحی مایع است. تعداد نقاط برابر 201 است. برای آموزش شبکه 70% ، برای تعیین اعتبار 20% و برای تست شبکه عصبی 10% داده ها به کار رفته اند. بر اساس نتایج به دست آمده، بهینه طراحی ممکن برای شبکه عصبی، تابع فعال سازی سیگمودی برای لایه مخفی با 14 نرون در این لایه و تابع فعال سازی خطی برای لایه خروجی است. نتایج به دست آمده نشان می دهند که توسط شبکه عصبی بهینه طراحی شده می‌توان مقادیر حلالیت را با ضریب همبستگی (R2) برابر 9982/0، درصد میانگین انحراف نسبی (ARD%) برابر 0371/0، درصد انحراف متوسط نسبی (Bias) برابر 0049/0- و ریشه میانگین مربع خطا (RMS) برابر0044/0 پیش بینی کرد.

کلمات کلیدی : هیدروژن خواص ترمودینامیکی شبکه عصبی توابع فعالسازی حالت اشباع