-
شماره راهنما
911
-
پديد آورنده
ميراحمدي،الهام
-
عنوان
مدل سازي فرايند توليد پلي هيدروكسي آلكانوات توسط شبكه عصبي مصنوعي
-
عنوان به انگليسي
Modeling of Polyhydroxy Alkanate Production Process by Artificial Neural Network
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
شيمي
-
محل تحصيل
تهران شمال
-
سال تحصيل
1398
-
تاريخ دفاع
98/9/11
-
وضعيت پايان نامه
18
-
مشخصات ظاهري
59ص،
-
استاد راهنما
خوشحال، عباس
-
توصيفگر فارسي
شبكه عصبي مصنوعي , پلي هيدروكسي آلكانوات , پلي هيدروكسي بوتيرات
-
توصيفگر لاتين
modeling , articifial neural networks , poly hydroxyl alkanoate
-
چكيده
با توجه به اهميت و كاربردهاي گسترده پليمرهاي مصنوعي در صنايع مختلف با استفاده از موادي چون پلاستيكها،لاستيكها،رنگهاي مصنوعي، چسبها و بسياري مواد ديگر و ايجاد مشكلات زيستمحيطي فراواني كه به سبب ماندگاري طولانيمدت و اغلب هزاران ساله اين مواد در طبيعت، ازاينرو در سالهاي اخير توجه ويژهاي از سوي متخصصين علوم زيستي براي رفع اين مشكل صورت پذيرفته است و اهداف بر روي جايگزيني مناسب براي اين مواد ميباشد كه با وجود دارا بودن خواص مفيد و ارزشمند پليمرهاي مصنوعي، فاقد معايب و مضرات زيستمحيطي باشند. پليمرهاي زيستتخريبپذير از اين دسته هستند و پلي هيدروكسي آلكانواتها ازجمله اين پليمرهاي زيستتخريبپذير ميباشند كه از طريق تخمير مستقيم منابع كربني و بهصورتدرونسلولي تشكيلشده و بهعنوان منبع كربن مناسب براي ميكروبها به شمار ميرود.
با توجه به كاربرد شبكه عصبي مصنوعي در مدلسازي سيستمهاي پيچيده و داراي ويژگيهاي غيرخطي، در اين تحقيق، مدلسازي توليد اين ماده با ارزش توسط شبكه عصبي مصنوعيANN انجام پذيرفت. از دادههاي آزمايشگاهي به عنوان پارامترهاي ورودي به شبكه استفاده و مراحل مختلف مدلسازي به انجام رسيد.
شبكه عصبي با الگوريتم پس انتشار خطا و داشتن يكلايه پنهان با تابع انتقال tansigوتابع purelin براي لايه خروجي داراي بهترين جواب بود.لايه پنهان اول با 12نورون نيز داراي بهترين جواب و از الگوريتم يادگيري لونبرگ-ماركوارت (lm) كه بيشترين سرعت يادگيري در مقايسه با ديگر الگوريتمها را دارا بود، استفاده گرديد. همچنين با رسم نمودار رگراسيون خطي ميزان ميانگين مربع خطا 0.00963 و مجذور ميانگين مربع خطا 0.02056به دست آمد و ميزان همبستگي بين متغيرهاي خروجي اندازهگيري شده و متغيرهاي خروجي شبكه 0.941به دست آمد كه نشاندهنده عملكرد خوب شبكه و ارتباط مناسب ميان دادههاي واقعي حاصل از آزمايش و مقادير پيشبينيشده توسط مدل را بيان ميكند.
در نتيجه ميتوان از اين شبكه براي وارد كردن دادههاي جديد استفاده نمودو همچنين جهت ارزيابي توليد اين ماده مهم و زيستمحيطي در سطح آزمايشگاهي و انبوه از اين مدلسازي بهرهمند شد.
-
شماره ركورد
58259
-
لينک به اين مدرک :