دانلود مقاله ISI انگلیسی شماره 138550
ترجمه فارسی عنوان مقاله

استفاده از شبکه های عصبی مصنوعی و رویکردهای روش پاسخ سطحی برای پیش بینی فرایند آگلومراسیون نفت

عنوان انگلیسی
Application of artificial neural networks and response surface methodology approaches for the prediction of oil agglomeration process
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
138550 2018 11 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 7668 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 14 روز بعد از پرداخت 92,016 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 184,032 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Fuel, Volume 220, 15 May 2018, Pages 826-836

پیش نمایش مقاله
پیش نمایش مقاله استفاده از شبکه های عصبی مصنوعی و رویکردهای روش پاسخ سطحی برای پیش بینی فرایند آگلومراسیون نفت

چکیده انگلیسی

Oil agglomeration can be a promising technique to recover fines and ultra-fines coal particles from the discarded tailing generated from coal preparation plants. In the present study, an artificial neural network (ANN) and response surface methodology (RSM) was used to predict the behavior of coal oil agglomeration in terms of % ash rejection (% AR) and % combustible matter recovery (% CMR). A three layered Feed Forward Neural Network was developed by varying process variables such as solid concentration (SC), oil dosage (OD) and agglomeration time (AT). Waste soybean oil was used as bridging liquid. An approach of Multilayer Forward Back Propagation Neural Network has been used in conjugation with the hyperbolic tangent sigmoid (tansig) as transfer function. The network is well trained (learning) with Levenberg-Marquardt (LM) algorithm. For further improvement in the generalization of the developed ANN model Bayesian regularization technique has been adopted. Sensitivity analysis was performed using Garson’s algorithm, Pearson correlation coefficient and Connection weight approach. The % CMR values predicted from ANN have been in good agreement with the obtained experimental values (R2 0.9965) and shows better correlation between predicted and observed values than RSM (R2 0.9892). Also, for % AR the correlation (R2 0.9965) obtained using ANN found to be higher than RSM (R2 0.9956).

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 7668 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 14 روز بعد از پرداخت 92,016 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 184,032 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.