دانلود مقاله ISI انگلیسی شماره 41400
ترجمه فارسی عنوان مقاله

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

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
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
41400 2013 7 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 3864 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 7 روز بعد از پرداخت 46,368 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 4 روز بعد از پرداخت 92,736 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

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

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

ترجمه کلمات کلیدی
پیش بینی محلولیت - گاز در پلیمر - شبکه عصبی مصنوعی - هرج و مرج - بهینه سازی ازدحام ذرات
کلمات کلیدی انگلیسی
Solubility prediction; Gas in polymers; Artificial neural network; Chaos; Particle swarm optimization
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.

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 3864 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 7 روز بعد از پرداخت 46,368 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 4 روز بعد از پرداخت 92,736 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.