سیستم عامل پیش رفته
برآورد صحیح بار رسوبی در طرح های آبی بسیار حائز اهمیت است، رسوبگذاری در مخان سدها و کاهش آنها تغییر مسیر رودخانه ها به دلیل رسوبگذاری در بستر آنها و اثرات منفی در ظرفیت آبگذری کانال انتقال آب تغییر کیفیت آب به لحاظ مصارف شرب و کشاورزی از جمله مشکلاتی ناشی از این پدیده راهکاری مناسب جهت برآورد دقیق بار معلق رودخانه ها، بسیار سودمند است. اگرچه در دهه اخیر تحقیقاتی در خصوص کاربرد مدل های هیدرولوژیکی جعبه سیاه متکی بر شبکه های عصبی مصنوعی و برتری دقیق آنها بر روابط تجربی همچون منحنی سنجه رسوب ارائه شده است ولی به دلیل غیرصریح بودن آنها در عمل سبب توسعه نیافته است در تحقیق حاضر رابطه صریح ریاضی با استفاده از برنامه ریزی ژنتیک برای پیش بینی با خانه ها ارائه شده و دقت نتایج حاصل با روش شبکه عصبی مصنوعی مورد مقایسه قرار گرفته است و در پیش بینی جریان و رسوب معلق رودخانه و جهت مدل سازی و تایید برنامه ریزی ژنتیک از داده های مربوط به سال 1365-1389 از ایستگاه هیدرومتری رودخانه بیطاس واقع بر روی سد مهاباد در استان آذربایجان غربی مورد استفاده است و با یک فرآیند آموزش عمل پیش بینی انجام گرفت و نتایج محاسباتی با داده های مشاهداتی را جذر میانگین مربعات خطا RMSE و ضریب تعیین R2 برای ارزیابی دقت مدل ها مورد بررسی و ... گرقت نتایج حاصله حاکی از دقت بالای برنامه ریزی ژنتیک در مقایسه با شبکه عصبی مصنوعی و کارایی .... بار معلق رودخانه ها می باشند.
سال انتشار: 1392
تعداد صفحات: 11
فرمت فایل: pdf
دانلود پایان نامه در مورد پیش بینی ضرر در مسئولیت قرار دادی و قهری
حل تمرین ها و خودآزمائی های کتاب ادبیات پیش دانشگاهی عمومی مشترک تمامی رشته ها
دانلود مقاله پیش بینی ظرفیت ذخیره سازی گاز در قالب های کاری مواد آلی فلزی
با استفاده از شبکه عصبی مصنوعی
متن ترجمه به فارسی
این فایل در قالب Word قابل ویرایش، آماده پرینت و ارائه به عنوان پروژه پایانی می باشد
قالب: Word + Pdf
تعداد صفحات: 11
پیشبینی ظرفیت ذخیرهسازی گاز در قالبهای کاری مواد آلی فلزی با استفاده از شبکه عصبی مصنوعی
چکیده
در این مطالعه، شبکه عصبی مصنوعی برای پیشبینی ظرفیت جذب گاز هیدروژن در چارچوب کاری آلی فلزی طراحی شده است. سطح منطقه، آنتالپی جذب، دما و فشار به عنوان پارامترهای ورودی انتخاب شده اند. ظرفیت ذخیرهسازی هیدروژن از MOFs با استفاده از این چهار پارامتر محاسبه شد. شبکه عصبی مصنوعی برای مدل فرآیند جذب مورد استفاده قرار گرفت. نتایج پیشبینی شده به شکل قابل توجهی با دادههای تجربی موافق بودند.
مقدمه
طراحی و سنتز پلیمرهای هماهنگ با ساختارهای غیر معمول و خواصی که باعث بهره وری بیشتر می شود، نه تنها برای توپولوژیهای مولکولی جذابشان، بلکه همچنین برای کاربردهای بالقوه به عنوان مواد کاربردی مورد استفاده قرار می گیرند. ساخت و ساز معماری مولکولی بستگی به ترکیبی از عوامل مختلف، مانند هندسه هماهنگی نمک فلز و لیگاند دارد. چارچوب های آلی فلزی (MOFs) به عنوان یک گروه جدید از مواد متخلخل با پتانسیل بسیار عالی در ذخیرهسازی گاز و جداسازی کاربردی آن به دلیل طیف وسیعی از اندازه منافذ، ویژگیهای شیمیایی، خواص مکانیکی و حرارتی خوب، شناسایی شده اند. MOFs، همچنین به عنوان پلیمرهای هماهنگی شناخته شده اند. انواع خواص فیزیکی و شیمیایی MOFs، آنها را در طیف گستردهای از برنامه های کاربردی مانند ذخیرهسازی گاز، جداسازی گاز، تحویل دارو، سنجش و به عنوان کاتالیزگر قرار می دهد.