|
Title
|
توسعه مدل هاي داده محور پيشرفته براي پيش بيني گرانروي هيدروژن با استفاده از يادگيري ماشين
|
|
Type
|
Presentation
|
|
Keywords
|
گرانروي، هيدروژن ، ذخيره سازي هيدروژن، يادگيري ماشين
|
|
Abstract
|
گرانروي هيدروژن يكي از مهم ترين عوامل براي سيستم هاي حمل و نقل و ذخيره سازي هيدروژن به شمار مي رود. از آنجايي كه اندازه گيري گرانروي زمانبر و پرهزينه مي باشد، استفاده از مدل هاي يادگيري ماشين ميتواند به تخمين سريع اين پارامتر حياتي كمك كند. در اين مطالعه از يك پايگاه داده شامل 1099 داده و مدل ها گراديان تقويتي سبك و تقويت دسته اي مبتني بر طبقه بندي جهت تخمين گرانروي بهره گرفته شد بر اساس نتايج اين پژوهش روش تقويت دسته اي مبتني بر طبقه بندي با ضريب همبستگي 9954/0 و مجذور مربع ميانگين مربعات خطا 4090/0 عملكرد بهتري نسبت به گراديان تقويتي سبك از خود نشان داد. همچنين استفاده از نمودارهاي تلاقي نشان داده كه هرچند هردو مدل عملكرد مطلوبي دارند اما در گرانروي هاي بالا ممكن است عملكرد آنها كاهش اندكي داشته باشد. پس از توسعه مدل ها براي بهترين مدل آناليز حساسيت صورت گرفت و مشخص شد كه دما بيشترين تاثير را بر روي گرانروي دارد و در فشارهاي پايين، فشار با گرانروي رابطه عكس دارد در حالي كه فشارهاي بالا عكس اين فرايند صورت ميگيرد.
|
|
Researchers
|
Yousef Kazemzadeh (First researcher) , Soroush Ahmadi (Second researcher) , Azizollah Khormali (Third researcher) , Mohammad Rasul Dehghani Firuzabadi (Fourth researcher)
|