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, 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
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): 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.
