پایان نامه: تحلیل روابط همدیدی پرفشار سیبری و دماهای بحرانی دوره سرد سال در ایران مرکزی
پایان نامه رشته : جغرافیا گرایش : آب و هواشناسی سینوپتیک عنوان : تحلیل روابط همدیدی پرفشار سیبری و دماهای بحرانی دوره سرد سال در ایران مرکزی
پایان نامه : تحلیل روابط همدیدی پرفشار سیبری و دماهای بحرانی دوره سرد سال در ایران مرکزی
پایان نامه رشته : جغرافیای طبیعی گرایش : آب و هواشناسی سینوپتیک عنوان : تحلیل روابط همدیدی پرفشار سیبری و دماهای بحرانی دوره سرد سال در ایران مرکزی
پایان نامه:اثر کم آبیاری و دوره بحرانی تاج خروس بر رشد و عملکرد آفتابگردان
دانلود پایان نامه رشته کشاورزی گرایش:زراعت عنوان:اثر کم آبیاری و دوره بحرانی تاج خروس بر رشد و عملکرد آفتابگردان
پایان نامه:استخراج نقطه ی ابری اورانیم و اندازه گیری آن در نمونه های آبی به ویژه آب دریا
پایان نامه رشته :مهندسی شیمی گرایش :پیشرفته عنوان : استخراج نقطه ی ابری اورانیم و اندازه گیری آن در نمونه های آبی به ویژه آب دریا
پایان نامه : تحلیل تنش روتور توربین گازی به کمک مکانیک آسیب پیوسته
متن کامل پایان نامه مقطع کارشناسی ارشد رشته : مهندسی مکانیک گرایش : طراحی کاربردی عنوان : تحلیل تنش روتور توربین گازی به کمک مکانیک آسیب پیوسته
پایان نامه:ارتقای روش های مختلف پیش بینی فشاربخار مواد مختلف
فشار بخار یک خاصیت ترمودینامیکی مهم در طراحی تجهیزات فرایندی و عملیات واحد مهندسی شیمی است. از این رو،داده های فشاربخار تجربی که تمام محدوده فشار بخار را پوشش دهند خیلی ارزشمند هستند اما به دلیل فقدان اندازه گیری های دقیق برای فشاربخار برخی از مواد در نزدیکی نقطه سه گانه و بحرانی، معادله هایی که قادر به پیش بینی فشاربخار در چنین شرایطی باشند بسیار حائز اهمیت می باشنداما به دلیل شرایط ومحدودیت های موجود در بسیاری از روابط موجود، استفاده از
روش های جدیدی که به دور از این محدودیت ها باشند ،توصیه می گردد.یکی از روش های عددی که در سالهای اخیر جایگاه خاصی در محاسبات مهندسی شیمی پیدا کرده است، روش محاسبه بر اساس شبکه های عصبی می باشد.در این پژوهش، با استفاده از روش شبکه های عصبی مصنوعی، مدلی برای پیش بینی فشار بخار مواد مختلف ارائه شد.در کارحاضر،از ۴ گروه از مواد شامل هیدروکربن های آروماتیکی،آلکان ها و آلکن ها، الکل ها و آلکیل سیکلوهگزان ها استفاده شد.مناسب ترین نوع شبکه عصبی مصنوعی برای پیش بینی فشاربخار این مواد، یک شبکه سه لایه پیشخور با الگوریتم پس انتشارخطا می باشد که در آن از تابع انتقال تانژانت سیگموئید در لایه پنهان و تابع انتقال خطی در لایه خروجی بهره گرفته شده است . پارامترهای ورودی شبکه عبارتند از: دما، دمای بحرانی، فشاربحرانی و ضریب بی مرکزی. داده های مورد نیاز جهت آموزش وتست شبکه از مقادیرمعتبر آزمایشگاهی گردآوری شدند.میزان خطای روش شبکه عصبی با مقادیر خطای حاصل از روش ها ی مختلف تخمین فشاربخار مقایسه شد. نتایج شبیه سازی نشان می دهند که روش شبکه عصبی توانسته پیش بینی دقیقی از فشاربخار مواد ارائه دهد و از دقت بالاتری نسبت به سایر روش ها برخوردار است.