{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TJ541",
        "title": "تعیین خواص ترمودینامیکی گاز طبیعی با استفاده از شبکه‌های عصبی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1397",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TJ541",
        "title": "تعیین خواص ترمودینامیکی گاز طبیعی با استفاده از شبکه‌های عصبی",
        "degree": null,
        "faculty": "مهندسی مکانیک",
        "year": 1397,
        "authors": [
            {
                "name": "بهنام محسنی قریه صفا",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "محمود فرزانه گرد",
                "role": "استاد راهنما"
            },
            {
                "name": "علی جباری مقدم",
                "role": "استاد راهنما"
            },
            {
                "name": "امیر ابراهیمی مقدم",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "گاز طبیعی",
            "خواص ترمودینامیکی",
            "معادله حالت AGA8",
            "روابط ترمودینامیکی",
            "شبکه‌های عصبی مصنوعی"
        ],
        "abstract": "با توجه به اینکه گاز طبیعی مخلوطی از چند عنصر می‌باشد لذا برای تعیین خواص ترمودینامیکی آن بایستی اطلاع دقیقی از ترکیب عناصر موجود در گاز را داشته باشیم. بنابراین در این تحقیق خواص ترمودینامیکی گاز طبیعی با استفاده از روش شبکه‌های عصبی پرسپترون چندلایه محاسبه شده است. برای آموزش شبکه عصبی ابتدا نیاز به  یک مجموعه داده می‌باشد که در این تحقیق، داده‌های مورد نیاز شبکه عصبی از استاندارد ISO 20765_1  که به‌روز شده معادله حالت AGA8 می‌باشد استخراج گردیده و سه مجموعه شبکه عصبی توسط این داده‌ها به وجود آمده‌اند به‌گونه‌ای که مجموعه شبکه عصبی اول با ورودی‌های ترکیب گاز و دما و فشار قادر به محاسبه دقیق نه خاصیت ترمودینامیکی اعم از ضریب ‌تراکم‌پذیری، ظرفیت گرمایی ویژه در حجم و فشار ثابت، سرعت صوت، توان آیزنتروپیک، آنتالپی، آنتروپی، انرژی داخلی و ضریب ژول تامسون می‌باشد. مجموعه شبکه عصبی دوم با ورودی‌های کسر مولی، فشار و آنتالپی و مجموعه شبکه عصبی سوم با ورودی‌های کسر مولی، فشار و آنتروپی قادر به محاسبه تمام خواص ترمودینامیکی ذکرشده برای گاز طبیعی می‌باشند. از کاربرد‌های مجموعه شبکه‌های عصبی آموزش دیده شده می‌توان به محاسبه دقیق نرخ جریان عبوری گاز طبیعی و کالیبره کردن دستگاه‌های جریان‌سنج گاز طبیعی و تحلیل فرآیند‌های ترمودینامیکی از قبیل محاسبه دقیق افت دما در شیر‌های فشارشکن و توربین‌های انبساطی اشاره کرد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TJ541.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}