پديد آورنده :
حبشي نژاد، محمد
عنوان :
پيش بيني گرانروي گازها در محدوده وسيعي از دما و فشار با استفاده از شبكه هاي عصبي مصنوعي
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
شيمي فيزيك
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده شيمي
صفحه شمار :
[چهارده]، 138، [I]ص .: مصور، جدول، شكل، نمودار
استاد مشاور :
تقي خياميان
توصيفگر ها :
نرون پايه / نرونهاي ساده / توابع شبكه هاي عصبي / پرسپترون تك لايه اي،چندلايه اي/ الگوريتم كاهش شيب / ماكسول - بولتزمن / چاپمن -انسكوگ / پتانسيل لنارد-جونز،عزيز/ تابع سيگموئيد/ عبارت تكانه / نظريه جنبشي گازها/ گرانروي سنج استوالد/گاز نيتروژن ، پروپان ، ارگون ، كريپتون /
استاد داور :
بيژن نجفي، حسن سبزيان
تاريخ ورود اطلاعات :
1396/08/14
چكيده فارسي :
در اين رساله از شبكه هاي عصبي مصنوعي براي پيش بيني گرانروي گازها در محدوده وسيعي از دما و فشار استفاده شد. با استفاده از اين روش جديد، با داشتن دو ورودي دما و چگالي ، خروجي يعني گرانروي محاسبه گرديد. با توجه به اينكه خروجي مطلوب شبكه (خروجي تجربي ) يعني گرانروي در دسترس بود، بنابراين نوع الگوريتمي از شبكه هاي عصبي مصنوعي كه مورد استفاده قرار گرفت ، الگوريتم پيش انتشار خطا با شيوه آموزشي كاهش شيبي بود كه اين نوع الگوريتم از الگوريتم هاي با سرپرست (ناظر)مي باشد. نتايج حاصل از روند محاسباتي شبكه هاي عصبي مصنوعي با اين نوع الگوريتم با نتايج حاصل از دقيق ترين معادله در زمينه گرانروي در محدوده وسيعي از دما و فشار مقايسه گرديد.مقايسه اين نتايج نشان داد كه شبكه هاي عصبي مصنوعي ، داراي قدرت پيش بيني بهتري نسبت به معادله برازش در اين محدوده وسيع مي باشد. حسن استفاده از شبكه هاي عصبي مصنوعي ، علاوه بر پيش بيني نتايج بهتري براي گرانروي گازها در اين است كه نياز به ارائه مدل هاي پتانسيلي و محاسبات پيچيده جهت به دست آوردن انتگرال برخورد را برطرف مي كند و در يك كلام ، اين شبكه ها با توجه به قدرت تعميم دهي بالاي آنها، نياز به ارائه معادلات برازش را كاهش مي دهند
استاد مشاور :
تقي خياميان
استاد داور :
بيژن نجفي، حسن سبزيان
