جستجوی مقالات مرتبط با کلیدواژه « gmdh » در نشریات گروه « صنایع چوب و کاغذ »
تکرار جستجوی کلیدواژه «gmdh» در نشریات گروه «کشاورزی»-
در این مطالعه از شبکه عصبی GMDH بر اساس الگوریتم ژنتیک جهت پیش بینی خواص فیزیکی و مکانیکی تخته خرده چوب در مقیاس آزمایشگاهی، استفاده شده است. جهت تعیین خواص فیزیکی و مکانیکی بوسیله شبکه عصبی GMDH، از مشخصات دما پرس در 4 سطح 170،160،150و180 درجه سانتی گراد، زمان بسته شدن پرس در3 سطح 20،10و 30 ثانیه و رطوبت کیک در 4 سطح 12،10،8 و14 به عنوان داده های ورودی و از خواص فیزیکی و مکانیکی به عنوان داده خروجی استفاده شده است. کارایی مدل ها با استفاده از معیارهای میانگین مربعات خطا (MSE)، ریشه ی میانگین مر بعات خطا (RMSE)، میانگین قدر مطلق انحراف (MAD) و ضریب تبیین R2)) مورد ارزیابی قرارگرفت. نتایج نشان داد که مقادیر MSE، RMSE وMAD برای خواصMOR، IB،TS24h، TS2h، WA2h وWA24h پایین می باشد و خطا های بدست آمده برای مدل MOE ساخته شده به روش GMDH بسیار بالا شد. با توجه به مقادیر به دست آمده این مدل مناسب برای پیش بینی MOE نمی باشد. مقادیر R2 بدست آمده از مجموعه تست و آموزش برای خواصMOR، IB،MOE، TS24h، TS2h، WA2h وWA24h بیشتر از 91/0 درصد است.که این نشان دهنده عملکرد بهتر این مدل ها می باشد.
کلید واژگان: تخته خرده چوب, مدل سازی, شبکه عصبی GMDH, خواص فیزیکی و مکانیکی}In this study the GMDH neural network based on genetic algorithm to predict the physical and mechanical properties of particleboard laboratory scale has been used. predict the mechanical and physical properties of particleboard we used input parameters such as neural network including time of press closing (10،20 and 30) s، moisture mat (8،10،12 and 14) % and temperature press (150،160،170 and 180) °C as the input data and the output data is used as the physical and mechanical properties. The efficiency of these techniques evaluated with statistical criteria of mean square error (MSE)، root mean square error، (RMSE)، mean absolute deviation (MAD) and the correlation coefficient (R2). Results showed that the values of MSE، RMSE and MAD for properties MOR، IB، TS24h، TS2h، WA2h and WA24h is low. Errors were obtained for the MOE model was very high. According to the values obtained from MOE is not the appropriate model to predict. R2 values obtained from the test and training set properties for MOR، IB، MOE، TS24h، TS2h، WA2h and WA24h more than 0. 91%، Which reflects the performance of these models is better.Keywords: Particleboard, Modeling, GMDH, Type Neural Netwok, physical mechanical properties}
نکته
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.