مقاله انگلیسی روش شبکه عصبی مصنوعی برای گازسوز سازی بخار زباله روغن نخل با استفاده از خاکستر و CaO

06 شهریور 1397 | 19:03

مقاله انگلیسی روش شبکه عصبی مصنوعی برای گازسوز سازی بخار زباله روغن نخل با استفاده از خاکستر و CaO
عنوان فارسی مقاله: روش شبکه عصبی مصنوعی برای گازسوز سازی بخار زباله روغن نخل با استفاده از خاکستر و CaO
عنوان انگلیسی مقاله: Artificial neural network approach for the steam gasification of palm oil waste using bottom ash and CaO
مجله/کنفرانس: Renewable Energy
رشته های تحصیلی مرتبط: مهندسی انرژی
گرایش های تحصیلی مرتبط: سیستم های انرژی
کلمات کلیدی انگلیسی: Artificial neural network; Biomass gasification; Syngas; Layer; Palm kernel shell; Temperature; Coal bottom ash
نوع نگارش مقاله: پژوهشی - research
نمایه: scopus - master journals - JCR
DOI: doi.org/10.1016/j.renene.2018.07.142
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنالی
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور(IF): 4.900(2017)
شاخص H_index: 143
SJR: 1.847
شناسه ISSN: 0960-1481
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 49
کد محصول: EN21
فهرست انگلیسی مطالب
Abstract

Introduction

Methodology
-Material
-Procedure
-ANN network approach:

Results and discussion:
-Effect of Temperature
-Effect of steam/biomass ratio
-Effect of CaO/biomass ratio
-Effect of coal bottom ash wt.

Conclusion

REFERENCES
نمونه متن انگلیسی
Abstract

The Artificial Neural Network (ANN) modelling is presented for the steam gasification of palm kernel shell using CaO adsorbent and coal bottom ash as a catalyst. The effect of the parameters such as; temperature, CaO/biomass ratio and Coal bottom ash wt.% at fixed steam/biomass ratio and steam/biomass ratio at the fixed temperature on product gas composition of H2, CO, CO2, and CH4 are modelled using ANN. The effect of parameters is used as an input, while the gas compositions, syngas yield, LHVgas and HHVgas of gas as the output of the network. Back propagation algorithm has been used for the training with 7 neurons in the hidden layer. Hence, the selected ANN architecture was (2-7-1). The gas composition predicted by the ANN model are compared with experimental results obtained from pilot scale gasification system that has been reported in our previous study. The ANN predicted results show high agreement with the published experimental values with the coefficient of determination R2 = 0.998 for almost all the cases, i.e., the effect of parameters. RMSE, MAD, and AARE have been reported to be very insignificant for the predicted and experimental values.
  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

جستجوی پیشرفته