| dc.contributor.author |
วชิรา ดาวสุด |
|
| dc.contributor.other |
มหาวิทยาลัยบูรพา. คณะวิศวกรรมศาสตร์ |
|
| dc.date.accessioned |
2019-03-25T09:01:20Z |
|
| dc.date.available |
2019-03-25T09:01:20Z |
|
| dc.date.issued |
2552 |
|
| dc.identifier.uri |
http://dspace.lib.buu.ac.th/xmlui/handle/1234567890/1161 |
|
| dc.description.abstract |
ในงานวิจัยนี้ได้ศึกษาและทำการหาแบบจำลองของกระบวนการนำกลับเกรดไฮโดรคลอริกโดยใช้ข่ายงานนิวรัล (Neural Network ) และทำการฝึกข่ายงานนิวรัลแบบออนไลน์เพื่อให้ได้แบบจำลองที่สามารถเป็นตัวแทนของกระบวนการได้ดี ซึ่งกระบวนการนี้เป็นกระบวนการที่ใช้ในการกำจัดไออนของเหล็กออกจากน้ำทิ้งของกระบวนการกำจัดสนิมเป็นผลทำให้เพิ่มความเข้มข้นของกรดเพื่อจะนำกลับมาใช้ในกระบวนการกำจัดสนิมต่อไป เนื่องจากความซับซ้อนและความไม่เป็นเชิงเส้นของกระบวนการจึงยากที่จะหาแบบจำลองของกระบวนการโดยใช้กฎการอนุรักษ์ ดังนั้นทางเลือกหนึ่งที่น่าสนใจคือการใช้ข่ายงานนิวรัลในการหาแบบจำลองของกระบวนการ ซึ่งข่ายงานนิวรัลนั้นสามารถที่จะจำลองกระบวนการได้ ถึงแม้ว่ากระบวนการนั้นมีความซับซ้อน ไม่เป็นเชิงเส้น หรือแม้แต่ความเข้าใจในกระบวนการนั้นมีอยู่จำกัดก็ตาม โดยในการหาแบบจำลองของกระบวนการแบบไม่เป็นเชิงเส้นหลายตัวแปรโดยใช้ข่ายงานนิวรัลนั้นจะใช้วิธีการฝึกแบบเลเวนเบิร์ก-มาร์ควอร์ท (Levenberg- Marquardr alogrihm) และหาโครงสร้างที่เหมาะสมของข่ายงานโดยใช้วิธีหาความผิดพลาดเฉลี่ยกำลังสองน้อยที่สุด จากผลการจำลองพบว่าโครงสร้างข่ายงานนิวรัลแบบออนไลน์ที่มีจำนวนชั้นซ่อน 2 ชั้นให้ผลการทำนายที่มีความถูกต้องและสามารถทำนายค่าความเข้มข้นของไอออนเหล็กได้ใกล้เคียงกับข้อมูลจริง ซึ่งแสดงเห็นว่าข่ายงานนิวรัลแลลออนไลน์เป็นตัวแทนของกระบวนการได้ดี |
th_TH |
| dc.description.sponsorship |
สนับสนุนโดยทุนการวิจัยและพัฒนาคณะวิศวกรรมศาสตร์ มหาวิทยาลัยบูรพา |
en |
| dc.language.iso |
th |
th_TH |
| dc.publisher |
คณะวิศวกรรมศาสตร์ มหาวิทยาลัยบูรพา |
th_TH |
| dc.subject |
ข่ายงานนิวรัลแบบออนไลน์ |
|
| dc.subject |
สาขาวิศวกรรมศาสตร์และอุตสาหกรรมวิจัย |
|
| dc.title |
การหาแบบจำลองของกระบวนการแบบไม่เป็นเชิงเส้นหลายตัวแปรโดยใช้ข่ายงาน
นิวรัลแบบออนไลน์ |
th_TH |
| dc.type |
Research |
|
| dc.author.email |
wachira@buu.ac.th |
|
| dc.year |
2552 |
|
| dc.description.abstractalternative |
The present work describes online neural network models for the prediction of the concentration profile of a hydroelectric acid recovery process consisting of double fixed-bed ion exchange columns. The process was used to remove the Fe and Fe ion from the pickling liquor, resulting in increasing the acid concentration for reusing in the pickling process. Due to the complexity and highly nonlinear of the process, the modeling of the process based on the first principle is difficult and involve too many unknown parameters. Therefore, an attractive alternative technique, the neural network modeling, has been applied to model this system. Since, this technique has the ability to model the complex nonlinear process, even though the process understanding is limited.
The process data sets were used for the neural network training and validation. Backpropagation and Lenvenbcrg-Marquardt techniques were used to train the various neural network architectures and the accuracy of the obtained models has been examined by using test data set. The optimal neural network architectures of this process could be determined by MSE minimization technique. The simulation results have shown that online multiplayer feed forward neural network models with two hidden layers provided sufficient accurate prediction of the concentration profile
of the process |
en |