مقایسه نتایج حاصل از شبکه های عصبی MLP و RBF در پیش بینی نتایج حاصل از همزمانی پدیده های انتقال جرم و انتقال حرارت

در اکثر فرآیند های مهندسی شیمی پدیده های انتقال جرم و انتقال حرارت جزء جدایی ناپذیر فرآیند ها می باشند. در این مقاله با استفاده از یک دستگاه آزمایشگاهی، به بررسی تجربی همزمان این دو پدیده در فرآیند های مهندسی شیمی و تاثیراتی که بر روی هم و بر روی فرآیند ها می توانند داشته باشند، پرداخته شده است. در این دستگاه وجود پدیده های چگالش و تبخیر که در اثر انتقال حرارت ایجاد می شوند، می توانند باعث انتقال جرم شده و در نهایت بر ضریب انتقال حرارت تاثیر می گذارند همچنین وجود انتقال جرم، توزیع دما در پدیده انتقال حرارت را تغییر داده و باعث ایجاد تغییرات کلی در شار حرارتی می گردد. آزمایشات متعددی با تغییر پارامتر های مختلف مانند دما و دبی برای هر دو سیال آب و هوا انجام گرفته است؛ که از نتایج حاصل از این آزمایشات در بررسی انواع شبکه عصبی مصنوعی و مقایسه عملکرد این شبکه ها با یکدیگر و با نتایج حاصل از آزمایشات استفاده شده است. از جمله شبکه های عصبی استفاده شده در این مقاله می توان به شبکه Radial Basis Function یا RBFو شبکهMulti Layer Perceptron یا MLP اشاره نمود. بررسی های انجام شده حاکی از این است که شبکه MLP به دلیل عدم امکان فیلتر نمودن نویز قادر به پیش بینی مناسب نیست درحالی که شبکه RBF به دلیل دارا بودن مبنای تئوری قویتر عملکرد بهتری را دارا می باشد.