فهرست مطالب نویسنده:
الهیار داغبندان
-
بالا بودن میزان آهن و منگنز در آب شرب باعث ایجاد رسوب، کدورت، طعم بد و رنگ می شود. با توجه به سطح زیر کشت چای و برنج در استان گیلان و تولید اجتناب ناپذیر ضایعات حاصل از آنها، می توان با استفاده از پسماند آنها نسبت به حذف عناصر نامطلوب اقدام کرد. این پژوهش در مقیاس آزمایشگاهی به صورت ناپیوسته و با بررسی اثر عوامل تاثیرگذار مانند pH، زمان تماس، غلظت اولیه، مقدار جاذب و دما انجام شد. همچنین با استفاده از روش دسته بندی گروهی داده های عددی مدل سازی فرایند جذب به روش ناپیوسته انجام شد. نتایج نشان داد که بیشترین ظرفیت جذب آهن برحسب mg/g برای ضایعات برگ چای 44/19 و کاه برنج 99/19 و منگنز برای برگ چای برابر 86/19و کاه برنج 49/19 بود. بهترین شرایط حذف آهن و منگنز از محلول آبی در pH خنثی، زمان تماس40 تا 50 دقیقه، دوز مصرفی جاذب 05/0 گرم و دمای 25 تا 35 درجه سلسیوس برای برگ چای و کاه برنج بود. در مجموع مدل GMDH کارایی زیادی برای پیش بینی غلظت نهایی آهن و منگنز در منابع آبی داشت. در کل می توان نتیجه گرفت که کاه برنج و برگ چای می توانند به عنوان جاذب های طبیعی ارزان قیمت و سازگار با محیط زیست در حذف آهن و منگنز از آب استفاده شوند.کلید واژگان: آهن, منگنز, جذب سطحی, کاه برنج, برگ چای, هوش مصنوعیHigh levels of iron and manganese in drinking water cause sediment, turbidity, bad taste and color. As there is a wide area of rice and tea under cultivation in Guilan province with an inevitable production of waste from them, it is possible to use it for removal of undesirable elements. The present study was discontinuously performed on a laboratory scale. The impact of important factors such as pH, contact time, initial concentration, adsorbent dosage and temperature were investigated. Also, using group method of data handling, the adsorption process of the batch method was modeled. The results showed that the highest iron adsorption capacity (in terms of mg/g) for tea leaves and rice straw were 19.44 and 19.99, respectively. Considering manganese, it was 19.86 for tea leaves and 19.49 for rice straw. The best conditions for removing iron and manganese from aqueous solution are at neutral pH, contact time 40-50 minutes, absorbent dose 0.05 g and temperature 25-35 °C for tea leaves and rice straw. Overall, the GMDH model performs better in predicting the final concentrations of iron and manganese in water sources. In general, it can be concluded that rice straw and tea leaves can be used as inexpensive and environmentally friendly natural absorbers in the removal of iron and manganese from water sources.Keywords: Iron, manganese, Adsorption, Rice straw, Tea Leaves, Artificial intelligence
-
بررسی تعادل های سیستم های بخار-مایع و مایع-مایع، نقش مهمی در طراحی، بهینه سازی و کنترل فرایندهای جداسازی دارد. در این تحقیق تعادل های فازی بخار-مایع سامانه های دوتایی(1-پروپانول با آب و اتیل استات)، همچنین تعادل های فازی مایع-مایع سامانه های سه تایی (آب، اتیلن گلایکول، 1-هپتانول) و (آب، اتیلن گلایکول، 2-اتیل 1-هگزانول) با استفاده از مدل های ترمودینامیکی NRTL و UNIQUAC مورد مطالعه قرار گرفتند. همچنین از سیستم استنتاج فازی - عصبی تطبیقی (ANFIS) و مدل شبکه عصبی نوع GMDH برای مدل سازی سیستم های مورد نظر استفاده شد. نمودارهای تعادلی بخار- مایع، دما برحسب جزء مولی برای سیستم های دوتایی و نمودار تعادل های مایع-مایع برای سیستم های سه جزئی با استفاده از مدل های ترمودینامیکی در دماهای مختلف رسم گردید. دقت مدل های ترمودینامیکی و شبکه های عصبی و فازی برای سیستم های مورد نظر بررسی و با داده های تجربی مقایسه شد. مقایسه نتایج نشان داد که در تعادلات بخار-مایع و مایع-مایع، مدل ترمودینامیکی NRTL تطابق خوبی با داده های تجربی دارد ولی کمترین خطا مربوط به استفاده از مدل آماری ANFIS می باشد.
کلید واژگان: تعادلات بخار-مایع, تعادلات مایع-مایع, مدل ترمودینامیکی NRTL, مدل ترمودینامیکی UNIQUAC, شبکه عصبی نوع GMDH, سیستم فازی ANFISStudy of vapor - liquid and liquid – liquid Equilibrium plays an important role in the design, optimization and control of separation processes. In this research phase equilibrium of binary systems (1-propanol, water and 1-propanol, ethyl acetate) also ternary systems (water, ethylene glycol, 2-ethyl 1- hexanol and water, ethylene glycol, 1- heptanol) using thermodynamic models of NRTL and UNIQUAC were studied. Also Adaptive Nero-Fuzzy Inference System (ANFIS) and group method of Data handling (GMDH-type neural network) were used for modeling of systems. The VLE graphs (temperature based on mole fraction of vapor-liquid phases) for binary systems and LLE graphs for ternary systems at various temperatures by thermodynamics models were drawn. Accuracy of thermodynamic models, ANFIS model and GMDH type-Neural Network for the binary and ternary systems studied and compared with experimental data. Comparison of results shows that NRTL models have good fitness with the experimental data and the minimum error is related to the ANFIS Statistical model.
Keywords: VLE, LLE, NRTL model, UNIQUAC model, GMDH type-NN, ANFIS Structure -
هدف از پژوهش بررسی تاثیر سطوح مختلف ابعاد مدیریت ارتباط با مشتری از دیدگاه گالبریث و راجرز (سفارشی سازی، ایجاد ارتباطات شخصی شده، و ارائه خدمات پشتیبانی) بعنوان متغیر های مستقل بر وفاداری مشتریان است. جامعه آماری آن کلیه مشتریان بیمه ایران در استان گیلان می باشد که به روش نمونه گیری غیر احتمالی در دسترس انتخاب شدند. آزمودنی ها به پرسشنامه پاسخ دادند. برای تحلیل داده ها از روش های آماری ضریب همبستگی پیرسون و آزمون دانکن و نرم افزار15 Spss استفاده شد. یافته های پژوهش نشان داد که بین سطوح پایین و متوسط و بالای سفارشی سازی اختلاف معناداری وجود دارد و هر چه سطح آن بالاتر باشد، میزان وفاداری مشتریان نیز بیشتر خواهد بود.کلید واژگان: مدیریت ارتباط با مشتری, وفاداری مشتری, شرکت بیمه ایران
-
مسئله زمان بندی پروژه با منابع محدود با وجود چند حالت اجرایی (MRCPSP) ، به دنبال یافتن بهترین توالی انجام دادن فعالیت هاست، به نحوی که با وجود انواع محدودیت منابع، باید محدودیت های تقدم و تاخر پروژه ارضا شود و فعالیت ها نیز بیش از یک نوع حالت اجرایی داشته باشند. در هریک از این حالت های اجرایی، مقدار منابع و زمان اجرایی فعالیت ها مشخص و متفاوت است. در مسئله زمان بندی پروژه با منابع محدود و چند حالت اجرایی با امکان قطع فعالیت ها (P-MRCPSP)، فعالیت ها می توانند در هر حالت اجرایی قطع و در هر زمانی بدون اضافه شدن هزینه دوباره شروع شوند. در این پژوهش کمینه ساختن زمان تکمیل پروژه در کنار بیشینه سازی ارزش خالص فعلی پروژه در مسئله P-MRCPSP مدنظر قرار گرفته است. پس از حل مسئله با استفاده از روش محدودیت اپسیلون، با توجه به NP-hard بودن مسئله و چندهدفه بودن مدل، الگوریتم تکاملی چندهدفه بهینه سازی ازدحام ذرات (MOPSO) برای دستیابی به زمان بندی بهینه توسعه داده شده است. به منظور ارزیابی کارایی روش پیشنهادی، نتایج براساس شاخص های طراحی شده با الگوریتم ژنتیک مرتب سازی نامغلوب (NSGAII) مقایسه می شود. برای تنظیم پارامترهای دو الگوریتم از روش تاگوچی در طراحی آزمایش ها استفاده شده است. نتایج حل مدل نشان دهنده قوت الگوریتم MOPSO است.کلید واژگان: الگوریتم چندهدفه ازدحام ذرات, تعدد حالات اجرایی, روش های فرا ابتکاری, زمان بندی پروژه با منابع محدود, قطع فعالیتThe Multi-Mode Resource Constrains Project Scheduling Problem (MRCPSP) tries to find the best sequence of activities in a manner that involves more than one type of operating mode and in the presence of resource constraints, projects precedence constraints must be satisfied. In each execution mode, the amount of resources and execution time are specified and different. In The Preemptive multi-mode Resource Constraints Project Scheduling Problem (P-MRCPSP), each operating mode activity can be interrupted and restarted at any time without any extra cost. In this paper, minimizing the completion time along with maximizing the current net value of the project in the P-MRCPSP are considered. After solving the problem by using Epsilon limits method, according to NP-hard problem and multi-objective model, multi-objective particle swarm optimization (MOPSO) has been developed to achieve optimum scheduling. In order to evaluate the proposed methods efficiency, results have been compared to non-dominance genetic algorithm sorting (NSGAII) based on designed indicators. The Taguchi method has been used in experimental design, to adjust these two algorithms parameters. The results of the model solution show the strength of MOPSO algorithm.Keywords: Cessation of activities, meta-heuristic methods, Multi-mode execution, Multi-objectives particle swarm algorithm, Resources-constrained project scheduling
-
مصرف گاز به عنوان منبع انرژی پاک، برای مصارف صنعتی و گرمایشی و حملونقل، بهطور گستردهای پذیرفته شده است و از میان سوختهای فسیلی، مصرف گاز برای داشتن محیط زیستی پاکتر مورد توجه بسیار قرار گرفته است. بدلیل اهمیت تاثیر مشخصه های هواشناسی در مصرف گاز شهرها و نیز امکان کاهش ناگهانی دما و در نتیجه افزایش میزان مصرف گاز شهرها، ضرورت اطلاع و پیش بینی مصرف گاز امری اجتنابناپذیر است که دراین تحقیق به آن پرداخته شده است. در ابتدا برخی از متغیرهای تاثیرگذار بر مصرف گاز با استفاده از روششناسی سطح پاسخ شناسایی گردیده است. در ادامه شبکهعصبی نوع GMDH برای مدلسازی و پیشبینی میزان گاز طبیعی مصرفی در بخش خانگی، با استفاده از مجموعه داده های ورودی-خروجی مورد مطالعه قرار گرفته است. برای ارزیابی مدل پیشنهادی، 84 داده مربوط به 7 سال متوالی از شرکت گاز شهر رشت به صورت موردی بدست آمده است. به منظور مدلسازی، داده ها به دو دسته (70% برای آموزش و 30% برای آزمایش) تقسیم شدهاند. نتایج حاصل از مدلسازی با داده های تجربی مقایسه گردید که ضریب تعیین 0.8943 بوده و تطابق بسیار خوبی با نتایج تجربی نشان داده است.کلید واژگان: پیش بینی, شبکه عصبی نوع GMDH, مدل سازی, مصرف گازIt is widely accepted that natural gas is a clean energy source that can be used to meet energy demand for heating and industrial purposes among the fossil fuels and its usage remarkably increases in order to maintain a clean environment in many countries in the world. In this paper, factors affecting gas consumption were firstly identified and then GMDH-Type Neural Networks has been used for modeling and prediction of gas consumption using input-output data set. To validate the proposed model, a case study was carried out based on the data consisted of 84 sets for 7 years obtained from regional gas distribution company of Rasht city. For modeling, the experimental data were divided into train and test sections (70% for training and 30% for testing). The predicted values were compared with those of experimental values . The GMDH-Type Neural Network model values showed a very good regression with the experimental results and the Coefficient of determination was obtained 0.8943.Keywords: Gas consumption, GMDH-NN, Modeling, Prediction
-
آب کافی و با کیفیت مطلوب برای ادامه حیات بشر ضروری است. تصفیه خانه ها، آب شرب را با کیفیت بالا در کوتاه ترین زمان ممکن با حداقل هزینه فراهم می کنند. در این مقاله ابتدا متغیرهای تاثیر گذار بر فرآیند حذف کدورت آب، با استفاده از روش شناسی سطح پاسخ شناسایی گردیده است. در ادامه شبکه های عصبی نوع GMDH و شبکه خودباوری بیزین برای مدل-سازی و پیش بینی کدورت آب تصفیه شده، با استفاده از مجموعه داده های ورودی- خروجی مورد مطالعه قرار گرفته است. برای ارزیابی مدل پیشنهادی، تصفیه خانه بزرگ آب گیلان به صورت موردی بررسی و داده های مورد نیاز شامل 700 سری داده به دست آمده است. به منظور مدل سازی داده های برگرفته از واحد بهره برداری به دو دسته (70% برای آموزش و30% برای آزمایش) تقسیم شده اند. نتایج حاصل از مدل سازی با داده های تجربی مقایسه گردید که ضریب تعیین مقادیرآزمایشی برای دو الگوریتم شبکه خودباوری بیژین شامل EM و GD و برای مدل GMDH به ترتیب 9388/0 ، 9196/0 و 97095/0 بوده است که بر این اساس مدل GMDH نسبت به مدل BBN کارایی بهتری برای پیش بینی میزان کدورت آب تصفیه شده دارد.کلید واژگان: تصفیه آب, کدورت, مدل سازی, شبکه عصبی نوع GMDH, شبکه خودباوری بیزینEnough water with proper quality is necessary for life. Drinking Water Treatment Plants (WTPs) have to provide high quality drinking water in the shortest possible time with minimal costs. In this paper, Factors affecting the process for removal of water turbidity using the Response Surface Methodology (RSM) were firstly identified and then GMDH-type Neural Networks and Bayesian Belief Network (BBN) have been used for modeling and prediction of treated water turbidity; using input-output data set. To validate the proposed model, a case study was carried out based on the data consisted of 700 sets obtained from GuilanWTP. For modeling, the experimental data obtained from the operation unit were divided into train and test sections (70% for training and 30% for testing). The predicted values were compared with those of experimental values. The determination coefficient of the predicted values for the two BBN algorithms consist of EM and GD, and GMDH model were 0.9388, 0.9196 and 0.97095, respectively. The GMDH model performed better than the BBN model in predicting treated water turbidity dosage.Keywords: Water Treatment, Turbidity, Modeling, GMDH, NN, BBN
-
در این مطالعه با توجه به اهمیت منابع سطحی در تامین آب شرب و لزوم استفاده از مواد شیمیایی گوناگون در مراحل مختلف تصفیه این گونه آب ها، میزان مصرف مواد منعقد کننده در فرایند تصفیه آب مورد بررسی قرار گرفت. یکی از مهم ترین قسمت های فرایند تصفیه آب، مربوط به میزان مصرف مواد منعقدکننده در واحد انعقاد و لخته سازی است. در تصفیه خانه، برای تعیین نوع و غلظت منعقدکننده مناسب، از آزمایش جار استفاده می شود. این آزمایش وقت گیر و همراه با خطا است و نمی توان زیاد به نتایج آن استناد کرد. برای رفع این مشکل می توان از روش های هوشمند استفاده کرد. در این تحقیق داده های آزمایشگاهی سال 91-1390 پس از جمع آوری و پالایش، مورد مطالعه قرار گرفتند. با بهره گیری از سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) و شبکه های عصبی نوع GMDH و با استفاده از نتایج تجربی به منظور دستیابی به مقدار بهینه مصرفی منعقدکننده پلی آلومینیوم کلراید در تصفیه خانه رشت، دو مدل غیرخطی ارائه شد.اثر پارامترهای ورودی شامل دما، pH، کدورت، جامدات معلق، هدایت الکتریکی و رنگ بر میزان مصرف منعقدکننده بررسی شد. نتایج نشان داد مدل ANFIS نسبت به مدل GMDH کارایی بهتری برای پیش بینی میزان مصرف منعقدکننده پلی آلومینیوم کلراید دارد.
کلید واژگان: تصفیه آب, انعقاد و لخته سازی, پلی آلومینیوم کلراید, ANFIS, GMDHGiven the increasing importance of surface water bodies as supply sources of drinking water and regarding the requirement for using different chemicals at various stages of water treatment processes, it is essential to investigate coagulant consumption in water treatment plants. Determination of the required dosage of coagulants used in the coagulation and flocculation unit is one of the most important decisions in water treatment operations. For this purpose, the jar test is generally used to determine the type and concentration of suitable coagulants in a water treatment plant. However, the test is rather time-consuming and unreliable due to the inaccurate results it yields. Instead, intelligent methods can be employed to overcome this shortcoming of the jar test. In this study, experimental data were collected over the period from 2011 to 2012 and further refined for study. Two non-linear models based on adaptive neuro-fuzzy inference system (ANFIS) and GMDH-type neural networks were then developed and experimental results were used to determine the optimum poly-aluminium chloride dosage for use at Guilan water treatment plant. The effects of input parameters including temperature, pH, turbidity, suspended solids, electrical conductivity, and color were investigated on coagulant dosage. The ANFIS model was found to outperform the GMDH model in predicting the required poly-aluminium chloride dosage.Keywords: Water Treatment, Coagulation, Flocculation, Poly, Aluminium Chloride, ANFIS, GMDH -
در اواسط دهه60 میلادی متخصصان بازاریابی بر این عقیده بودند که با انتخاب استراتژی ادغام عمودی (رو به جلو و عقب) می توان شاهد رشد شرکت بود. پس از گذشت 20 سال در اواسط دهه80 میلادی بسیاری از تجار پی بردند که از طریق برون سپاری فعالیت هایی که کمتر در آن تسلط دارند و تمرکز بر مزیت اصلی می توان نرخ بازگشت سرمایه بیشتری بدست آورد. بر اساس این فرض استراتژی های بازاریابی از ادغام عمودی به سمت روابطی قراردادی سوق داده شد که مبادلات در این روابط توسط فرآیند هایی کاملا مشخص مدیریت و هماهنگ می شد. در ادبیات کانال های توزیع به صراحت قید شده که ارتباطات برای تسهیل مبادلات نقشی حیاتی دارد، اما با وجود این کمتر کسی تاثیر فن آوری اطلاعات و ارتباطات بین سازمانی را بر این ارتباطات مورد آزمون قرار داده است. در تحقیق حاضر این شکاف به وسیله سنجش اثر فن آوری اطلاعات و ارتباطات بر روابط کانال های توزیع تعیین می شود. نتایج تحقیقات پیشین حاکی از آن است که مدیرانی که تمایل به استفاده از ارتباطات غیر همزمان دارند ازفناوری های مانند پست و فکس استفاده می نمایند که این نوع فناوری موجب هماهنگی و مشارکت بیشتری در فعالیت های کانال می شود.(Jack،d.kulchitsky،1997(فناوری های الکترونیکی (interfiim data links، EDI) که در حال حاضر مورد استفاده قرار می گیرند از این پتانسیل برخوردارندکه بر انواع ارتباطات برون سازمانی (استراتژیک و تاکتیکی) تاثیر بگذارند. تحقیق حاضر با طبقه بندی مطالب استخراجی از ادبیات تحقیق حداقل سه راهکار مهم و مجزا برای درک تاثیر فن آوری اطلاعات و ارتباطات بر روابط کانال های توزیع ارائه می کند:1-توسعه یک مدل مفهومی به منظور سنجش تاثیر فناوری اطلاعات بر ساختار روابط مبادله در کانال های توزیع.2-بررسی ارتباطات بین سازمانی از دو بعد مجزا (ارزش اطلاعات مورد مبادله و انطباق فن آوری).3-تفکیک ساختار ارتباطات بین سازمانی به ارتباطات استراتژیک و تاکتیکی.
کلید واژگان: فن آوری اطلاعات و ارتباطات, رابطه گرایی, ارتباطات استراتژیک و تاکتیکی -
در این مقاله مدلی برای کاهش ضایعات و از میان بردن گلوگاه در خط تولید یک کارخانه وابسته به صنعت خودروسازی و به توازن رساندن خط تولید مربوط به آن ارائه شده است. با توجه به اینکه در حال حاضر صنعت خودرو از حساسیت ویژه ای برخوردار می باشد. رعایت استانداردهای بین المللی برای اجزا و قطعات هنگام ساخت ضرورت انتخاب دقیق ماشین آلات و استفاده صحیح از آنها و سیستم کنترل صحیح در تمامی مراحل تولید را لازم می دارد. امروزه با توجه به این که شبکه های عصبی مصنوعی اهمیت ویژه ای در مدلسازی پیدا کرده اند, در تحقیق مورد نظر دو مدل رگرسیون و شبکه...
کلید واژگان: پیش بینی, شبکه های عصبی مصنوعی, ضایعات, رگرسیون, صنعت قطعه سازی
بدانید!
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.