توضیحات
فصل اول- مقدمه و مفاهیم اولیه
۱-۱- مقدمه
۱-۱-۱- مزایای جداسازی غشایی
۱-۱-۲- طبقه بندی غشاها
۱-۲- نانوفیلتراسیون
۱-۲-۱-ویژگی ها و مشخصات اصلی نانوفیلتراسیون
۱-۲-۲- ساختار نانوفیلتراسیون
۱-۲-۳- کاربرد نانوفیلتراسیون
۱-۳- میعانات گازی
۱-۴- تعریف مساله و بیان سوال های اصلی تحقیق
فصل دوم- مروری بر تحقیقات گذشته
۲-۱- مدل های آزمایشگاهی
۲-۱-۱- مدل DSPM
۲-۱-۲- مدل DSPM-DE
۲-۲- مدل های تئوری
۲-۲-۱- مدل بار ثابت
۲-۲-۲- مدل بار فضایی
۲-۳- مدلسازی الیاف توخالی
۲-۴- مدلسازی بر مبنای دینامیک سیالات محاسباتی
۲-۵- مدلسازی بر مبنای هوش مصنوعی
فصل سوم- مدل سازی
۳-۱- مدل DSPM-DE
۳-۲- مدل بار فضایی
۳-۳- مدلسازی الیاف توخالی
۳-۳-۱- قسمت پوسته
۳-۳-۲- قسمت غشا
۳-۳-۳- قسمت لوله
۳-۴- مدلسازی با استفاده از هوش مصنوعی
۳-۴-۱- شبکه های عصبی مصنوعی
۳-۴-۲- مدلهای شبکه های عصبی مصنوعی
۳-۴-۲-۱- مدل نرون تک ورودی
۳-۴-۲-۲- مدل نرون چند قطبی
۳-۴-۳- ساختار شبکه عصبی
۳-۴-۳-۱- شبکه تک لایه
۳-۴-۳-۲- شبکه چند لایه
۳-۴-۳-۳- شبکه های پس خور یا برگشتی
۳-۴-۴- یادگیری شبکه های عصبی مصنوعی
۳-۴-۴-۱- الگوریتم یادگیری پس از انتشار خطا
۳-۴-۵- مدل نزدیک ترین همسایه ها
فصل چهارم-روش المان محدود
۴-۱- مقدمه
۴-۲- تاریخچه روش عناصر محدود
۴-۳- مراحل اصلی تحلیل عناصر محدود
۴-۴- مدل های ریاضی
۴-۵- روش های مهم کلاسیک عددی
۴-۵-۱-روش ریتز
۴-۵-۱-۱- معایب استفاده از روش تحلیل ریتز
۴-۵-۲- روش گالرکین به عنوان یک روش باقیمانده وزن دار
۴-۵-۳- مقایسه روش ریتز و روش گالرکین
۴-۶- حوزه کاربردهای روش عناصر محدود
۴-۷- فرآیند تحلیل عناصر محدود
۴-۸- ملاحظات همگرایی در تحلیل عناصر محدود
۴-۹- خطاهای تحلیل عناصر محدود
۴-۱۰- معیارهای همگرایی یکنوا
۴-۱۰-۱- معیارهای همگرایی یکنوا- شرط سازگاری
فصل پنجم- نتایج و بحث
۵-۱- مدل سازی سیستم غشایی
۵-۱-۱- مدل سازی ریاضی
۵-۱-۲- هندسه و مش بندی
۵-۱-۳- نتایج مدلسازی برای سیستم استوانه ای
۵-۲- مدل سازی سازی غشای نانوفیلتراسیون الیاف توخالی
۵-۲-۱-۱- اثر دبی ورودی
۵-۳- مدل سازی به روش شبکه عصبی
۵-۴- مدل سازی با استفاده از انفیس
۵-۵- مدل سازی به روش نزدیک ترین همسایهها
فصل ششم-نتیجه گیری و پیشنهادها
۶-۱- نتیجه گیری
۶-۲- پیشنهادات
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.