بسمه تعالی

با تاییدات خداوند متعال

جلسه دفاع از پایان نامه کارشناسی ارشد

رشته مهندسی شیمی- گرایش طراحی فرآیند

ارائه دهنده: عادل اسکندرپور

عنوان:

 مطالعه روشهای جدید آموزش شبکه­های عصبی مصنوعی با داده­های آزمایشگاهی کم در مدلسازی فرآیند جداسازی غشایی

زمان:  21/ 12/ 1400 ساعت: 12:00

اساتید محترم داور: دکترعبدالرسول پوران­فرد- دکتر کیوان رحیمی زاده

استاد  محترم راهنما:

دکتر هجیر کریمی

استاد محترم مشاور: دکتر حکیمه شریفی­فرد

مکان: دانشکده فنی و مهندسی- سالن دکتر حسابی

چکیده:

در مهندسي شيمي شبكه های عصبي مصنوعي در بررسی عملکرد و مدلسازی فرآیندها کاربرد فراواني دارند. برای آموزش شبکه عصبی مصنوعی، تعداد کافی داده­ها که معمولا داده­های آزمایشگاهي هستند مورد نیاز است. در این پژوهش با استفاده از نتایج مطالعه فرآیند جداسازی غشایي مخلوط بنزو [a] پيرن و  n-tetradecane با تكنيک تراوش تبخيری که داده­های آزمایشگاهي کمي در اختيار دارد (30 داده)، ابتدا توسط یكي از روش­های توليد داده مجازی، جمعيت داده توسعه داده شد؛ سپس با ترکيب داده­های مجازی توليد شده و داده­های آزمایشگاهی موجود، شبكه عصبي تحت آموزش قرار گرفت و پس از تعیین بهترین ساختار شبکه، میزان خطای پيش­بيني و نیز تاثیر بکارگیری داده­های مجازی بررسي گردید. یافته­های پژوهش نشان داد استفاده از شبکه عصبی مصنوعی پیشخور پس انتشار خطا با الگوریتم آموزشی لونبرگ-مارکوارد و یک لایه مخفی با 4 نرون و نیز تقسیم­بندی داده­ها بصورت 80 به 20( 80% آموزش و 20% آزمون) منجر به ایجاد بهترین نتایج می­گردد. همچنین افزایش تعداد داده­های مجازی بكار رفته در روند آموزش شبكه، باعث کاهش ميزان خطای پيش­بيني شبكه شد بطوریكه این خطا با اعمال ترکيب50 داده مجازی و30 داده آزمایشگاهي نسبت به حالتي که تنها داده­های آزمایشگاهي مورد استفاده قرار گرفتند، به میزان %43 کاهش یافت.

واژه های کلیدی:  شبکه عصبی مصنوعی، مدلسازی، داده­های آزمایشگاهی کم، تولید داده مجازی، جداسازی غشایی