شبیه سازی واحد کک ساز تاخیری توسط شبکه عصبی مصنوعی
در این مقاله، مدل شبکه عصبی مصنوعی برای خروجی های واحد کک ساز تاخیری1 معرفی شده است. در این روش پیش بینی، داده های مختلف صنعتی جهت شبیه سازی واحد کک ساز تاخیری جمع آوری شده اند. API و درصدCCR 2 به عنوان ورودی های شبکه و درصد وزنی کک، گازهای سبک، بنزین، گازوییل و درصد C5+ به عنوان خروجی شبکه در نظر گرفته شده اند. 70 درصد داده ها جهت آموزش شبکه عصبی و تعیین بهترین ساختار و نوع شبکه برای مدلسازی واحد، مورد استفاده قرار گرفته است. از بین شبکه ها، شبکه عصبی چند لایه پیشرو بهترین شبکه با الگوریتم آموزشLM3 با در نظر گرفتن 31 نرون در لایه میانی بدست آمد. در ادامه تحقیق، شبکه های شعاعی نیز بررسی شدند و در نهایت در مقایسه با بهترین شبکه عصبی چند لایه، شبکه عصبی شعاعی میزان خطای کمتری در پیش بینی نتایج داشت و در نتیجه به عنوان شبیه ساز واحد تشکیل کک استفاده گردید. شبکه قدرت بسیار خوبی در پیش بینی نتایج واحد برای % 30 داده های مشاهده نشده را داشت. نتایج بدست آمده حاکی از این بود که شبکه عصبی شعاعی قادر است خروجی های واحد کک ساز تاخیری را با دقت بسیار بالایی پیش بینی نماید.
- 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.