دانلود مقاله ISI انگلیسی شماره 41400
عنوان فارسی مقاله

پیش بینی قابلیت انحلال گاز در پلیمرها توسط انتشار شبکه عصبی مصنوعی بر اساس الگوریتم بهینه سازی خودتطبیقی ازدحام ذرات و تئوری آشوب

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
41400 2013 7 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Prediction of gas solubility in polymers by back propagation artificial neural network based on self-adaptive particle swarm optimization algorithm and chaos theory
منبع

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

Journal : Fluid Phase Equilibria, Volume 356, 25 October 2013, Pages 11–17

کلمات کلیدی
پیش بینی محلولیت - گاز در پلیمر - شبکه عصبی مصنوعی - هرج و مرج - بهینه سازی ازدحام ذرات
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی قابلیت انحلال گاز در پلیمرها توسط انتشار شبکه عصبی مصنوعی بر اساس الگوریتم بهینه سازی خودتطبیقی ازدحام ذرات و تئوری آشوب

چکیده انگلیسی

A novel prediction method based on chaos theory, self-adaptive particle swarm optimization (PSO) algorithm, and back propagation artificial neural network (BP ANN) is proposed to predict gas solubility in polymers, hereafter called CSPSO BP ANN. The premature convergence problem of CSPSO BP ANN is overcome by modifying the conventional PSO algorithm using chaos theory and self-adaptive inertia weight factor. Modified PSO algorithm is used to optimize the BP ANN connection weights. Then, the proposed CSPSO BP ANN (two input nodes consisting of temperature and pressure; one output node consisting of gas solubility in polymers) is used to investigate solubility of CO2 in polystyrene, N2 in polystyrene, and CO2 in polypropylene, respectively. Results indicate that CSPSO BP ANN is an effective prediction method for gas solubility in polymers. Moreover, compared with conventional BP ANN and PSO ANN, CSPSO BP ANN shows better performance. The values of average relative deviation (ARD), squared correlation coefficient (R2) and standard deviation (SD) are 0.1275, 0.9963, and 0.0116, respectively. Statistical data demonstrate that CSPSO BP ANN has excellent prediction capability and high accuracy, and the correlation between predicted and experimental data is good.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.