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

نویسندگان

چکیده

در اکثر فرآیند‌های مهندسی شیمی پدیده‌های انتقال جرم و انتقال حرارت جزء جدایی‌ناپذیر فرآیند‌ها می‌باشند. در این مقاله با استفاده از یک دستگاه آزمایشگاهی، به بررسی تجربی همزمان این دو پدیده در فرآیند‌های مهندسی شیمی و تاثیراتی که بر‌روی هم و بر‌روی فرآیند‌ها می‌توانند داشته باشند، پرداخته شده است. در این دستگاه وجود پدیده‌های چگالش و تبخیر که در اثر انتقال حرارت ایجاد می‌شوند، می‌توانند باعث انتقال جرم شده و در نهایت بر ضریب انتقال حرارت تاثیر می‌گذارند همچنین وجود انتقال جرم، توزیع دما در پدیده انتقال حرارت را تغییر داده و باعث ایجاد تغییرات کلی در شار حرارتی می‌گردد. آزمایشات متعددی با تغییر پارامتر‌های 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 شبکه‌ها با یکدیگر و با نتایج حاصل از آزمایشات استفاده شده است. از جمله شبکه‌های عصبی استفاده شده در این مقاله می‌توان به شبکه Radial Basis Function یا RBFو شبکهMulti Layer Perceptron یا MLP اشاره نمود. بررسی‌های انجام شده حاکی از این است که شبکه MLP به‌دلیل عدم امکان فیلتر نمودن نویز قادر به پیش‌بینی مناسب نیست درحالی‌که شبکه RBF به‌دلیل دارا بودن مبنای تئوری قویتر عملکرد بهتری را دارا می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

COMPARISON OF PERFORMANCE OF RBF AND MLP NEURAL NETWORKS FOR RESULTS OF SIMULTANEOUS HEAT & MASS TRANSFER

نویسندگان [English]

  • F. Karimi Zad Gohari
  • A. Shahsavand
چکیده [English]

In most of the chemical engineering processes, the phenomena of mass and heat transfer are among their inseparable parts. In the present paper, simultaneous heat and mass transfer has been studied experimentally by a laboratory setup. In this apparatus, the existence of condensation and evaporation created due to heat transfer causes mass transfer and finally influences the coefficient of heat transfer. Also, mass transfer changes heat distribution in heat transfer phenomena that causes total change in heat flux. Thus, in this apparatus, some experiments have been carried out through changing different parameters such as temperature and flow rate for two fluids, water and air. Also in this paper, it is tried to compare the function of these systems with each other and the results acquired from the experiments as well as the capacity of these systems in analyzing the results were studied through artificial neural networks. From among the neural networks used in this paper, we may refer to RBF, MLP networks. The studies indicate that the MLP network is not able to predict properly due to lack of any facility for noise filtration and RBF network has the best function due to having a stronger theoretical basis.

کلیدواژه‌ها [English]

  • Heat transfer
  • Mass transfer
  • experimental
  • Artificial Neural Network
  • RBF
  • MLP