بررسی و مقایسه روش های مختلف نمونه برداری داده های راکتور بستر ثابت کاتالیستی

فرایند آنالیز و تحلیل تعداد زیاد داده، جهت یافتن الگوهای معنادار و قوانین موجود در بین داده ها، به عنوان داده-کاوی شناخته می شود. در این بحث سعی بر آن است تا با مقایسه انواع مختلف روش نمونه برداری، بهترین شیوه نمونه‌برداری از بین چهار روش سوبل ، هالتون ، ابرمکعب لاتین و تصادفی از منظر معیار ارزیابی میانگین مربعات خطا، مورداستفاده قرار گیرند. برای مقایسه روش های مختلف، نیاز به بانک اطلاعاتی اولیه است که توسط مدل سازی راکتور بستر ثابت کاتالیستی تولید دی متیل اتر از گاز سنتز حاصل می شود. نتایج نشان می دهد که نمونه گیری ابر مکعب لاتین(lhs) بسیار کارآمدتر از سایر تکنیک های نمونه برداری است. هدف نشان دادن مروری بر متداول ترین تکنیک های نمونه برداری و همچنین مقایسه روش های نمونه گیری با یکدیگر است تا بهترین روش گزیده شود. یکی از کاربردهای روش های نمونه گیری، در ساخت انواع مختلف مدل های جایگزین است.

Review and comparison of different methods of sampling data of catalytic fixed bed reactor

The analytical process for searching for a large amount of data to discover meaningful patterns and rules within the data is known as data mining. This paper is written to draw a comparison among four sampling methods (Random, Sobol, LHS, and Halton) to select the best one in terms of mean square error rate. To compare various types of sampling methods, the initial multivariate database is required which has been produced by the modeling of catalyst fixed-bed reactor. Results indicate that Latin Hypercube sampling(LHS) is much more efficient than other widely used sampling techniques. The goal is to provide an overview comparison among the most common sampling techniques to determine the finest method. One of the applications of samppling methods is in building different types of alternative models