مدل سازی ضریب هدایت حرارتی سیب زمینی بر مبنای خواص فیزیکی آن


مدل سازی ضریب هدایت حرارتی سیب زمینی بر مبنای خواص فیزیکی آن




هستفاده از روش‌های خشک کردن و آب زدایی مواد غذایی یکی از قدیمی‌ترین و پر کاربردترین روش‌ها برای حفاظت و نگهداری مواد غذایی برای طولانی مدت می‌باشد.


بیواکسیداسیون کانه ی کم عیار طلای مقاوم در رآکتور ستونی با استفاده از کشت مخلوط میکروارگانیسم‌های اکسیدکننده‌ی سولفور و آهن
از اونجائیکه برای قرن‌ها سیب زمینی، به عنوان منبع غذایی اصلی برای امت در بسیاری از نقاط جهان بوده هست، بنابراین فرآیند خشک کردن سیب زمینی می‌تواند در بسیاری موارد مهم باشد، از این رو تلاش‌های بسیاری در مدل سازی این فرآیند انجام شده هست.


بررسی انتقال حرارت وتعیین پارامترهای مربوطه در نانوکامپوزیت‌های بر پایه Clay/PP/EPDM
به علاوه چون ضریب هدایت حرارتی یک ویژگی ترموفیزیکی پايه ی در هر ماده ای می‌باشد، مدل‌های پیش بینی ضریب هدایت حرارتی ماده غذایی باید برای خصوصیات فیزیکی اون ماده محاسبه شود.


بررسی عددی واکنش‌های اختلاطی و توزیع غلظت در میکرو راکتورهای تی شکل به روش لتیس بولتزمن
در نتیجه در طول سال‌های متمادی، مطالعات زیادی در جهت مدل سازی ضریب هدایت حرارتی انجام شده هست که هر کدام تنها به بخشی از فاکتورهای موثر توجه کرده‌اند اما در این پایان نامه سعی شده تا تمام اون‌ها یکجا مورد توجه برنامه گیرند.


ارائه مدل های موجودی احتمالی (Q,r) تحت محدودیت های احتمالی با زمان راه اندازی و زمان تحویل کاهش پذیر با وجود اقلام معیوب در اندازه انباشته
در این تحقیق، یک سیستم شبکه عصبی ساوقت یافته GMDH و یک سیستم شبکه عصبی ANN برای پیش بینی ضریب هدایت حرارتی سیب زمینی بر پايه خواص فیزیکی اون نظیر میزان رطوبت محصول، دمای محصول، تخلخل و دانسیته ارائه شده هست.


بررسی استخراج تیتانیوم با حلال آلی با استفاده از محلول لیچینگ سنگ معدن کهنوج
بر این پايه رطوبت محصول، دما، تخلخل و دانسیته به عنوان متغیر های ورودی شبکه در نظر گرفته شده هست و ضریب هدایت حرارتی به عنوان خروجی در نظر گرفته می‌شود.


مطالعه جداسازی فلزات سنگین از محلول‌های آبی درون نانولوله‌های کربنی به کمک شبیه‌سازی دینامیک مولکولی
تعداد داده های آزمایشگاهی 37 داده تجربی هست که 80 % اون داده‌ها برای آموزش شبکه عصبی و حدود 20% برای تست در نظر گرفته شده‌اند.


شبیه‌سازی فرایند تبدیل گاز طبیعی به آروماتیک‌ها (GTL) به روش دینامیک سیالات محاسباتی (CFD)
از مقایسه بین نتایج تجربی ضریب هدایت حرارتی و نتایج بدست آمده از شبکه عصبی GMDH و شبکه عصبی ANN، می‌توان بیان داشت مدل GMDH دارای دقت خوبی برای پیش بینی ضریب هدایت حرارتی سیب زمینی می‌باشد.


استخراج و شناسایی متابولیت‌های ثانویه از جمله رنگ توسط باکتری سراشیا و کاربرد ‏آن‌ها در صنعت نساجی



98 out of 100 based on 58 user ratings 908 reviews