Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/78854
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorเบญจพล เฉลิมสินสุวรรณ-
dc.contributor.authorพิชญานิน รัตนบุญทา-
dc.contributor.authorคิรินทร์ อร่ามราษฎร์-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์-
dc.date.accessioned2022-06-17T01:54:09Z-
dc.date.available2022-06-17T01:54:09Z-
dc.date.issued2563-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/78854-
dc.descriptionโครงงานเป็นส่วนหนึ่งของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรบัณฑิต ภาควิชาเคมีเทคนิค คณะวิทยาศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ปีการศึกษา 2563en_US
dc.description.abstractปัจจุบัน มีหลากหลายสมการที่ใช้ในการทำนายค่าความเร็วต่ำสุดในการเกิดฟลูอิไดเซชัน แต่สามารถใช้ทำนายได้แม่นยำเพียงแค่อนุภาคของแข็งชนิดใดชนิดหนึ่ง และส่วนใหญ่จะใช้ได้กับอนุภาคของแข็งที่เป็นทรงกลมเท่านั้น งานวิจัยนี้เป็นการศึกษาเพื่อพัฒนาสมการทำนายค่าความเร็วต่ำสุดในการเกิดฟลูอิไดเซชันที่สามารถใช้ได้กับอนุภาคของแข็งใด ๆ โดยใช้ความรู้ด้านวิทยาศาสตร์ข้อมูลในการจัดเก็บ รวบรวม และวิเคราะห์ข้อมูลตัวแปรอิสระที่มีผลต่อค่าความเร็วต่ำสุดในการเกิดฟลูอิไดเซชันจากงานวิจัยต่าง ๆ ที่เกี่ยวข้อง โดยนำข้อมูลที่ได้มาวิเคราะห์การถดถอยเชิงเส้นแบบพหุและการใช้โครงข่ายประสาทเทียมในการสร้างสหสัมพันธ์ในรูปแบบสมการทางคณิตศาสตร์เพื่อทำนายค่าความเร็วต่ำสุดในการเกิดฟลูอิไดเซชันและเปรียบเทียบผลการทำนายที่ได้ระหว่างการใช้สมสัมพันธ์ในรูปแบบสมการทางคณิตศาสตร์และผลการทดลอง จากผลที่ได้ พบว่า สหสัมพันธ์ที่ได้จากการใช้โครงข่ายประสาทเทียมผ่านโปรแกรม MATLAB มีความแม่นยำสูงกว่าสหสัมพันธ์ที่ได้จากการใช้การถดถอยเชิงเส้นแบบพหุผ่านโปรแกรม Microsoft Excel เนื่องจากมีค่าสัมประสิทธิ์แสดงการตัดสินใจที่สูงกว่า และความคลาดเคลื่อนสัมบูรณ์เฉลี่ยที่ต่ำกว่า โดยสหสัมพันธ์ที่ได้นี้สามารถใช้ทำนายค่าความเร็วต่ำสุดในการเกิดฟลูอิไดเซชันของอนุภาคของแข็งใด ๆ ได้อย่างแม่นยำ ทั้งนี้มีการคำนึงถึงผลของความไม่เป็นทรงกลมของอนุภาคของแข็ง ซึ่งจะช่วยในการออกแบบและพัฒนากระบวนการฟลูอิไดเซชันให้มีประสิทธิภาพมากยิ่งขึ้นen_US
dc.description.abstractalternativeRecently, there are several equations for predicting the minimum fluidization velocity. However, they can accurately predict with each specific solid particle and mainly focus on the spherical particle. This research objective is to develop an equation to predict the minimum fluidization velocity that can be used with any solid particles by using data science knowledge to collect, gather and analyze the independent variables effect on the minimum fluidization velocity from various relevant researches. The data were analyzed using multiple linear regression and artificial neural network to establish the correlations in form of mathematical equation. The obtained correlations could predict the minimum fluidization velocity and could be used to compare the obtained results from the mathematical correlations with the experimental results. The results showed that the correlation developed from the artificial neural network through MATLAB program gave more accurate prediction than the correlation developed from the multiple linear regression through Microsoft Excel program due to the higher coefficient of determination and the lower absolute average error. The obtained correlation then can be used to accurately predict the minimum fluidization velocity of any solid particles with including the non-spherical particle effect. This will enable more efficient fluidization process design and development.en_US
dc.language.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectฟลูอิไดเซชันen_US
dc.subjectของแข็งen_US
dc.subjectFluidizationen_US
dc.subjectSolidsen_US
dc.titleวิทยาศาสตร์ข้อมูลในการทำนายความเร็วต่ำสุดในการเกิดฟลูอิไดเซชันen_US
dc.title.alternativeData Science in Minimum fluidization Velocity Predictionen_US
dc.typeSenior Projecten_US
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen_US
Appears in Collections:Sci - Senior Projects

Files in This Item:
File Description SizeFormat 
63-SP-CHEMENG-015 - Pitchayanin Ratanaboonta.pdf75.37 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.