پیش بینی توان کشی آسیای نیمه خود شکن با شبکه عصبی مصنوعی شعاعی بر اساس مولفه های اصلی

ارائه مدل های آسیای نیمه خودشکن برای پیش بینی کارآیی آن یکی از ابزارهای مفید برای طراحی بهتر مدار خردایش است. هرچند پیش از این مدل های آسیای نیمه خودشکن زیادی ارائه شده است ولی در اکثر آن ها پیش بینی کارآیی آسیا در مقیاس صنعتی انجام نشده است. توان کشی آسیای نیمه خودشکن تاثیر موثری بر کارآیی آسیا دارد؛ بنابراین در این مطالعه، مدل جدیدی بر اساس ترکیب شبکه عصبی مصنوعی شعاعی و مولفه های اصلی برای پیش بینی توان کشی آسیای نیمه خود شکن ارائه شده است. پارامترهای رطوبت بار اولیه، دبی بار اولیه، وزن بار داخل آسیا، درصد جامد بار اولیه، دبی آب ورودی و خروجی به آسیا و اندیس کار انتخاب و تاثیر آن بر توان کشی آسیا بررسی شد. نتایج نشان داد که مدل ترکیبی شبکه عصبی مصنوعی و مولفه های اصلی آموزش یافته با 8512/0 = R و 7115/65 = RMSE قابلیت استفاده برای پیش بینی توان کشی آسیای نیمه خود شکن در مقیاس صنعتی را دارد. نتایج آنالیز حساسیت نشان داد که تمامی پارامترهای ورودی به مدل تاثیر معناداری بر خروجی دارند.