بررسی تجربی و مدلسازی شبکه عصبی برای پیشبینی ضریب شکست الکلهای خالص و مخلوط دوتایی
در این پژوهش ضریب شکست نمونه های خالص الکلهای نوع اول و مخلوط های دوتایی آنها به دو روش تجربی و مدلسازی مورد بررسی قرار گرفت. در روش تجربی از دستگاه رفرکتومتر برای اندازه گیری ضریب شکست استفاده شد و در روش مدلسازی، با به کارگیری شبکه عصبی مصنوعی پرسپترون چندلایه مدلسازی شد. به همین منظور ورودی های شبکه مربوط به مواد خالص، دما، جرم مولکولی و گروه های عاملی CH3، CH2 و OH و برای مخلوط ها کسر مولی، جرم مولکولی جزء اول، جرم مولکولی جزء دوم و گروه های عاملی CH3، CH2 و OH و ضریب شکست به عنوان تنها خروجی شبکه در نظر گرفته شده است. در طراحی شبکه عصبی، 70% داده ها تحت عنوان تابع آموزش، 15% به عنوان تابع اعتبارسنجی و 15% به عنوان تابع آزمایش در نظر گرفته شده است. در این مدلسازی، نمونه های خالص در نورون 10 با میانگین درصد خطای نسبی مطلق 08457/0 و نمونه های مخلوط در نورون 12 با میانگین درصد خطای نسبی مطلق 07121/0 بهینه شده است. با مقایسه روش آزمایشگاهی و مدلسازی در نمودارهای عملکرد، انطباق خوبی بین دو روش وجود دارد که نشاندهنده کیفیت مدل ارائه شده می باشد
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.