پیش‌بینی توان کشی آسیای نیمه خود شکن با شبکه عصبی مصنوعی شعاعی بر اساس مولفه‌های اصلی

چکیده مقاله

ارائه مدل‎های آسیای نیمه خودشکن برای پیش‌بینی کارآیی آن یکی از ابزارهای مفید برای طراحی بهتر مدار خردایش است. هرچند پیش از این مدل‌های آسیای نیمه خودشکن زیادی ارائه شده است ولی در اکثر آن‌ها پیش‌بینی کارآیی آسیا در مقیاس صنعتی انجام نشده است. توان‌کشی آسیای نیمه خودشکن تاثیر موثری بر کارآیی آسیا دارد؛ بنابراین در این مطالعه، مدل جدیدی بر اساس ترکیب شبکه عصبی مصنوعی شعاعی و مولفه‌های اصلی برای پیش‌بینی توان‌کشی آسیای نیمه خود شکن ارائه شده است. پارامترهای رطوبت بار اولیه، دبی بار اولیه، وزن بار داخل آسیا، درصد جامد بار اولیه، دبی آب ورودی و خروجی به آسیا و اندیس کار انتخاب و تاثیر آن بر توان‌کشی آسیا بررسی شد. نتایج نشان داد که مدل ترکیبی شبکه عصبی مصنوعی و مولفه‌های اصلی آموزش یافته با 8512/0 = R و 7115/65 = RMSE قابلیت استفاده برای پیش‌بینی توان‌کشی آسیای نیمه خود شکن در مقیاس صنعتی را دارد. نتایج آنالیز حساسیت نشان داد که تمامی پارامترهای ورودی به مدل تاثیر معناداری بر خروجی دارند.