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. نشریه دانشکده فنی, 39(1), -.
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", نشریه دانشکده فنی, 39, 1, 1384, -.
HARVARD
غفاری, علی, بهرامی, منصور نیکخواه, 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), pp. -.
CHICAGO
علی غفاری , منصور نیکخواه بهرامی و مرتضی محمد ظاهری, "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): -,
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): -.
)