پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 610 |
| تعداد مقالات | 9,028 |
| تعداد مشاهده مقاله | 67,082,888 |
| تعداد دریافت فایل اصل مقاله | 7,656,359 |
تحلیل و پیش بینی وابسته به زمان نتایج آزمایشگاهی دادههای حاصل از سیم داغ با کمک شبکه عصبی دینامیکی | ||
| مدل سازی در مهندسی | ||
| مقاله 7، دوره 8، شماره 20، فروردین 1389، صفحه 83-92 اصل مقاله (589.11 K) | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2017.1555 | ||
| نویسندگان | ||
| مجتبی دهقان منشادی* ؛ رحیم شمس الدینی؛ علی سعیدی نژاد | ||
| تاریخ دریافت: 09 بهمن 1395، تاریخ بازنگری: 04 اسفند 1403، تاریخ پذیرش: 09 بهمن 1395 | ||
| چکیده | ||
| یکی از ابزار قدرتمند در پیش بینی رفتار و پاسخهای سیستم در حوزه مهندسی شبکه عصبی میباشد. در کار حاضر با استفاده از یک شبکه عصبی وابسته به زمان دادههای موجود حاصل از کار آزمایشگاهی برای مطالعه پارامترهای توربولانس مورد پردازش قرار گرفته است. مدل شبکه عصبی مدل پیش خور میباشد و برای تابع آموزش از الگوریتم لونبرگ- مارکوارادت استفاده شده است. دادههای حاصل از پراب دوبعدی و یک بعدی سیم داغ که به صورت ولتاژ میباشد با انطباق آنها به مقادیر سرعت توسط منحنی کالیبراسیون و تبدیل به بردار سرعت، به عنوان دادههای ورودی برای آموزش شبکه عصبی مورد استفاده قرار گرفتهاند. شبکه در دو حالت یک بعدی و دوبعدی آموزش داده شده و نتایج برای حالات دیگر با دادههای آزمایشگاهی مقایسه گردیده است که نتایج شبکه عصبی انطباق مناسبی با نتایج دادههای دقیق ارائه میکند و همچنین مدلی برای میان یابی و پیش بینی حالات میانی ارائه گردیده است. | ||
| کلیدواژه‌ها | ||
| شبکه عصبی دینامیکی؛ توربولانس؛ سرعت سنج سیم داغ؛ الگوریتم لونبرگ- مارکوارادت | ||
| عنوان مقاله [English] | ||
| PREDICTION AND ANALYSIS OF EXPERIMENTAL RESULTS OF HOT WIRE ANEMOMETRY BY USING OF NEURAL NETWORK | ||
| نویسندگان [English] | ||
| Dehghan Manshadi؛ Shamsaddini؛ Saeidinezhad | ||
| چکیده [English] | ||
| Neural network is a powerfull tool to predict the behavior and response of systems in engineering area. In present work, the time dependent results of experimental investigations have processed with a neural network model. Neural network model was Feed-Forward and has used the Levenberg-Marquardt algorithm as training function. The results of one and two wire probe of hot wire anemometry in form instantaneous voltages with coincidence them with average velocity values and change to velocity vectors were used as input data for training of neural network. The network was training in one and two conditions and the results were compared with experimental data. The results showed that the network results are as good agreement with accurate results. Also, a model was defined for interpolating and predicting of middle situations. | ||
| کلیدواژه‌ها [English] | ||
| Dynamic Neural Network, turbulence, Hot Wire Anemometry, The Levenberg-Marquardt Algorithm | ||
|
آمار تعداد مشاهده مقاله: 727 تعداد دریافت فایل اصل مقاله: 365 |
||