دوره 21 (1402)
دوره 20 (1401)
دوره 19 (1400)
دوره 18 (1399)
دوره 17 (1398)
دوره 16 (1397)
دوره 15 (1396)
دوره 14 (1395)
دوره 13 (1394)
دوره 12 (1393)
دوره 11 (1392)
دوره 10 (1391)
دوره 9 (1390)
دوره 8 (1389)
دوره 6 (1386)
دوره 5 (1385)
دوره 4 (1385)
دوره 3 (1384)
دوره 2 (1383)
دوره 1 (1382)
نویسنده = %EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%20%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%20%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%20%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD%EF%BF%BD
تعداد مقالات: 2
پیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مطالعه موردی: سیستم های بالاسری تقطیر نفت خام
دوره 4، شماره 13 ، تیر 1385، ، صفحه 41-66
چکیده
هدف این تحقیق پیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مصنوعی می باشد. خوردگی پدیده ای است که به علت تاثیر عوامل مختلف و متعدد شناخته شده و ناشناخته پیچیدگی بسیار زیادی دارد و به راحتی قابل مدلسازی نیست. جهت پیش بینی و مدلسازی خوردگی در رویکرد مکانیستیک به واکنش ها و فرایندهای فیزیکی، شیمیایی، و الکتروشیمیایی آن توجه می شود و ... بیشترآشنایی با روش های رایانش نرم در مدل سازی پدیده ها
دوره 4، شماره 13 ، تیر 1385، ، صفحه 89-122