سال انتشار: ۱۳۸۷

محل انتشار: دوازدهمین کنگره ملی مهندسی شیمی ایران

تعداد صفحات: ۱۱

نویسنده(ها):

محسن حیاتی – گروه برق، دانشکده فنی مهندسی، دانشگاه رازی
غلامرضا زاهدی – مرکز شبیه سازی و هوش مصنوعی، گروه مهندسی شیمی، دانشکده فنی مهندسی، د
فاطمه یاوری – دانشجو کارشناسی ارشد الکترونیک، دانشکده فنی مهندسی، دانشگاه رازی

چکیده:

شبکه های عصبی مصنوعی در مدل سازی و شبیه سازی سیست م های صنا یع شیمیایی که سیست م های چند متغی ره با تعداد متغیر های حالت زیاد می باشد، بسی ار کاربرد دارد . در این مقاله با طراحی یک شبکه عصبی چند لایه پرسپترون (MLP) و تابع شعاعی (RBFN) که دو نوع از پرکاربردترین رو ش ها در شبکه های عصبی می باشد، معادلات واحد آسفالت زدایی پالایشگاه مورد تحلیل قرارگرفته و توانایی بسیار بالا در تقریب توابع غیر خطی با حد اقل خطای ممکن در این دو شبکه به اثبات رسیده است. تمامی شبکه ها دارای ۴۵ داده، دو داده ورودی و سه داده خروجی می باشد. شبکه با الگوریتم های آموزشی مختلف طراحی گردیده است و در نهایت بهترین الگوریتم آموزش با تعداد نرون مناسب جهت شبکه عصبی چند لایه پرسپت رون و تعداد نرونو اسپرید مناسب جهت شبکه عصبی تابع شعاعی بدست آمده است.