در این مقاله روش جدیدی برای مدل سازی خطی سیستم های غیر خطی ارائه می گردد . اساس روش پیشنهادی طراحی یک شبکه عصبی مصنوعی دو لایه و‌آموزش آن بر مبنای داده های ورودی- خروجی است . وزن های اتصالات این شبکه ضرایب تابع تبدیل هستند . در سیستم هایی که رفتار آنها خطی باشد ، روش حداقل کردن مربعات خطا (lse) بهترین نتایج مدل سازی را ارائه می نماید . در سیستم هایی که رفتار غیر خطی دارند ، نظیر بعضی قسمت های بویلر نیروگاهها ، روش مدلسازی خطی به کمک شبکه های عصبی مصنوعی نسبت به روش LSE ارجحیت دارد . در مورد اجزای غیر خطی بویلر نیروگاه ، تابع تبدیلهای به دست آمده از روش شبکه عصبی مصنوعی ، بهتر از تابع تبدیلهای به دست آمده ا زروش حداقل مربعات خطا با داده های حقیقی ثبت شده مطابقت دارند .
غفاری، علی، بهرامی، منصور نیکخواه و ظاهری، مرتضی محمد. (1384). مدل سازی خطی سیستم های غیر خطی با کمک شبکه های عصبی مصنوعی بر پایه داده های ورودی – خروجی و کاربرد آن در بویلر نیروگاه. (e10114). نشریه دانشکده فنی، 39(1)، e10114
MLA
غفاری، علی، بهرامی، منصور نیکخواه، و ظاهری، مرتضی محمد. "مدل سازی خطی سیستم های غیر خطی با کمک شبکه های عصبی مصنوعی بر پایه داده های ورودی – خروجی و کاربرد آن در بویلر نیروگاه" .e10114 ، نشریه دانشکده فنی، 39، 1، 1384، e10114.
HARVARD
غفاری، علی، بهرامی، منصور نیکخواه، و ظاهری، مرتضی محمد. (1384). 'مدل سازی خطی سیستم های غیر خطی با کمک شبکه های عصبی مصنوعی بر پایه داده های ورودی – خروجی و کاربرد آن در بویلر نیروگاه'، نشریه دانشکده فنی، 39(1), e10114.
CHICAGO
غفاری، علی، بهرامی، منصور نیکخواه و ظاهری، مرتضی محمد، "مدل سازی خطی سیستم های غیر خطی با کمک شبکه های عصبی مصنوعی بر پایه داده های ورودی – خروجی و کاربرد آن در بویلر نیروگاه." نشریه دانشکده فنی، 39 1 (1384): e10114,
VANCOUVER
غفاری علی، بهرامی منصور نیکخواه، ظاهری مرتضی محمد. مدل سازی خطی سیستم های غیر خطی با کمک شبکه های عصبی مصنوعی بر پایه داده های ورودی – خروجی و کاربرد آن در بویلر نیروگاه. نشریه دانشکده فنی. 1384;39(1):e10114.
