پایان نامه کارشناسی ارشد:ارتقای روش های مختلف پیش بینی فشاربخار مواد مختلف

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته شیمی

عنوان : ارتقای روش های مختلف پیش بینی فشاربخار مواد مختلف

وزارت علوم،تحقیقات وفناوری

دانشگاه علوم وفنون مازندران

پایان نامه

مقطع کارشناسی ارشد

رشته : مهندسی شیمی

عنوان  :

ارتقای روش های مختلف پیش بینی فشاربخار مواد مختلف

استاد راهنما :

 دکتر کامیار موقرنژاد

استاد مشاور :

 دکتر غلامرضا باکری

(زمستان 1392)

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

(در فایل دانلودی نام نویسنده موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

 

فهرست مطالب

صفحه                                                                                                              عنوان

فصـل اول : مقدمه وکلیات تحقیق.. 1

1-1-مقدمه. 2

1-2-تعریف فشار بخار 2

1-3–عوامل مؤثر برفشار بخار 3

1-3-1-ماهیت مایع. 3

1-3-2-دمای مایع. 3

1-4-بیان مسأله. 3

1-5-توجیه ضرورت انجام تحقیق.. 4

1-6-اهداف تحقیق.. 4

1-7-مراحل انجام تحقیق.. 4

1-8-ساختار تحقیق.. 5

فصل دوم:ادبیات و پیشینه تحقیق.. 7

2-1-مقدمه. 8

2-2-روابط ریاضی تخمین وپیش بینی فشاربخار مواد مختلف.. 9

2-2-1-معادله کلازیوس-کلاپیرون. 9

2-2-2-معادله آنتوان. 10

2-2-2-1-محدودیت های معادله آنتوان. 10

2-2-3-معادله آنتوان توسعه یافته. 10

2-2-4-معادله واگنر. 11

2-2-4-1-محدودیت های معادله واگنر. 12

2-2-5-رابطه حالتهای متناظر ریدل. 12

2-2-6-معادله لی-کسلر. 14

2-2-6-1-محدودیت های رابطه لی-کسلر. 15

2-2-7-معادله فشاربخار آمبروز-پاتل. 15

2-2-7-1-ملاحظات معادله آمبروز-پاتل. 16

2-2-8-روش حالتهای متناظر آمبروز-والتون. 16

2-3-اهمیت روش های نوین پیش بینی و تخمین خواص مواد. 17

2-4-پیشینه روش شبکه های عصبی در تخمین خواص ترمودینامیکی.. 18

2-5-پیش بینی فشاربخار مواد با استفاده از شبکه عصبی مصنوعی.. 19

فصل سوم: روش تحقیق.. 21

3-1-مقدمه. 22

3-2-تاریخچه پیدایش شبکه های عصبی مصنوعی.. 22

3-3-ویژگی های شبکه های عصبی مصنوعی.. 24

3-3-1-قابلیت آموزش.. 24

3-3-2-قابلیت تعمیم. 24

3-3-3-پردازش توزیعی(موازی) 24

3-3-4-تحمل پذیری خطا 25

3-4-ساختار شبکه‌ها‌ی عصبی مصنوعی.. 25

3-4-1-مدل نرون با یک ورودی.. 25

3-4-2- مدل نرون با یک بردار به عنوان ورودی.. 26

3-4-3-ساختار یک لایه از شبکه های عصبی.. 27

3-4-4-شبکه های چندلایه. 27

3-4-5-توابع انتقال. 28

3-4-5-1-تابع انتقال سخت محدود. 29

3-4-5-2-تابع انتقال خطی.. 29

3-4-5-3-تابع انتقال لگاریتمی سیگموئید. 30

3-4-5-4-تابع انتقال شعاع مبنا 30

3-4-5-5-تابع انتقال آستانه ای خطی متقارن. 31

3-4-5-6-تابع انتقال تانژانت-سیگموئید. 31

3-5-روش های آموزش شبکه عصبی.. 32

3-6-قواعد یادگیری شبکه های عصبی.. 32

3-6-1-قواعد یادگیری نظارت شده 32

3-6-2-قواعد یادگیری غیرنظارتی.. 33

3-7- شبکه های عصبی پرسپترون. 33

3-7-1-محدودیت های شبکه پرسپترون. 34

3-8- شبکه های عصبی پیشخور 35

3-9-الگوریتم پس انتشار خطا 36

3-10-آموزش شبکه های پس انتشار 37

3-11-بیش برازش شبکه. 37

3-12-بهبود عمومیت شبکه. 38

3-13-پارامترهای اساسی برای طراحی یک شبکه عصبی.. 39

3-13-1-انتخاب مناسب ترین اطلاعات ورودی به شبکه. 39

3-13-2-نحوه ورود داده ها 39

3-13-3-تقسیم بندی داده ها 39

3-13-4-انتخاب مناسب ترین تعداد نرون های لایه پنهان. 40

3-12-معیارهای ارزیابی کارایی مدل. 40

3-12-نرم افزار استفاده شده در این تحقیق.. 41

فصل 4: محاسبات و یافته های تحقیق.. 42

4-1-مقدمه. 43

4-2-طراحی شبکه عصبی مصنوعی برای هیدروکربن های آروماتیکی.. 43

4-3- طراحی شبکه عصبی مصنوعی برای آلکان ها و آلکن ها 52

4-4- طراحی شبکه عصبی مصنوعی برای الکل ها .6

4-5- طراحی شبکه عصبی مصنوعی برای آلکیل سیکلو هگزان ها 68

فصل پنجم: نتیجه گیری و پیشنهادها 77

5-1-نتیجه گیری.. 78

5-2-پیشنهادات برای تحقیقات آتی.. 79

مراجع. 80

چکیده انگلیسی.. 86

فهرست جداول­

عنوان                                                                                                                                        صفحه

جدول 4- 1: مشخصات داده های تجربی درنظرگرفته شده برای هیدروکربن های آروماتیکی.. 44

جدول 4- 2بررسی خطاوضریب تعیین ساختار مختلف شبکه های عصبی برای هیدروکربن های آروماتیکی.. 46

جدول 4- 3: مقایسه خطای مطلق میانگین روابط متعارف پیش بینی فشاربخار و روش شبکه عصبی برای هیدروکربن های آروماتیکی.. 51

جدول 4- 4: خلاصه شبکه عصبی طراحی شده برای گروه هیدروکربن های آروماتیکی.. 52

جدول 4- 5: مشخصات داده های تجربی درنظرگرفته شده برای آلکان ها و آلکن ها 53

جدول 4- 6: بررسی میزان خط و ضریب تعیین ساختار مختلف شبکه های عصبی برای آلکان ها و آلکن ها 54

جدول 4- 7: مقایسه خطای مطلق میانگین روابط متعارف پیش بینی فشاربخار و روش شبکه عصبی برای آلکان ها و آلکن ها 59

جدول 4-8: خلاصه شبکه عصبی طراحی شده برای گروه آلکان ها و آلکن ها 60

جدول 4- 9: مشخصات داده های تجربی درنظرگرفته شده برای الکل ها 61

جدول 4- 10: بررسی میزان خطا وضریب تعیین ساختار مختلف شبکه های عصبی برای الکل ها 62

جدول 4- 11: مقایسه خطای مطلق میانگین روابط متعارف پیش بینی فشاربخار و روش شبکه عصبی برای الکل ها 67

جدول 4- 12: خلاصه شبکه عصبی طراحی شده برای گروه الکل ها 68

جدول 4- 13: مشخصات داده های تجربی درنظرگرفته شده برای آلکیل سیکلوهگزان ها 69

جدول 4- 14: بررسی میزان خطا وضریب تعیین ساختارمختلف شبکه های عصبی برای آلکیل سیکلوهگزان ها 70

جدول 4- 15: مقایسه خطای مطلق میانگین روابط متعارف پیش بینی فشاربخار و روش شبکه عصبی برای آلکیل سیکلو هگزان ها 75

جدول 4- 16: خلاصه شبکه عصبی طراحی شده برای گروه آلکیل سیکلو هگزان ها 76

 

فهرست شکل­ها

عنوان                                                                                                                                         صفحه

شکل 3- 1: نمایی از مدل نرون تک ورودی.. 26

شکل 3- 2:مدل نرون با R ورودی.. 27

شکل 3- 3:یک لایه از شبکه های عصبی.. 27

شکل 3- 4: مدل خلاصه شده شبکه تک لایه. 27

شکل 3- 5: مدل شبکه های چند لایه. 28

شکل 3- 6: تابع انتقال سخت محدود. 29

شکل 3- 7: تابع انتقال خطی.. 29

شکل 3- 8: تابع انتقال لگاریتمی سیگموئید. 30

شکل 3- 9: تابع انتقال شعاع مبنا 30

شکل 3- 10: تابع انتقال آستانه ای خطی متقارن. 31

شکل 3- 11:تابع انتقال تانژانت-سیگموئید. 31

شکل 3- 12:یک نرون پرسپترون. 34

شکل 4- 1: تغییرات میزان خطای مطلق میانگین با افزایش نرون در لایه پنهان برای  هیدروکربن های آروماتیکی   47

شکل 4- 2: ساختار بهینه شبکه عصبی برای هیدروکربن های آروماتیکی.. 47

شکل 4- 3: خطای مربعات میانگین شبکه در مراحل آموزش، ارزیابی و تست برای هیدروکربن های آروماتیکی.. 48

شکل 4- 4: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله آموزش برای هیدروکربن های آروماتیکی.. 49

شکل 4- 5: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله ارزیابی برای هیدروکربن های آروماتیکی.. 49

شکل 4- 6: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله تست برای هیدروکربن های آروماتیکی.. 50

شکل 4- 7: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در کل مراحل برای هیدروکربن های آروماتیکی.. 50

شکل 4- 8: تغییرات میزان خطای مطلق میانگین با افزایش نرون در لایه پنهان برای آلکان ها و آلکن ها 55

شکل 4- 9: ساختار بهینه شبکه عصبی برای آلکان ها و آلکن ها 55

 

 

 

شکل 4- 10: خطای مربعات میانگین شبکه در مراحل آموزش،ارزیابی و تست برای آلکان ها و آلکن ها 56

شکل 4- 11: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله آموزش برای آلکان ها و آلکن ها 57

شکل 4-12: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله ارزیابی برای آلکان ها و آلکن ها 57

شکل 4- 13: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله تست برای آلکان ها و آلکن ها 58

شکل 4- 14: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در کل مراحل برای آلکان ها و آلکن ها 58

شکل 4- 15: تغییرات میزان خطای مطلق میانگین با افزایش نرون در لایه پنهان برای الکل ها 63

شکل 4- 16: ساختار بهینه شبکه عصبی برای الکل ها 63

شکل 4- 17: خطای مربعات میانگین شبکه در مراحل آموزش،ارزیابی و تست برای الکل ها 64

شکل 4- 18: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله آموزش برای الکل ها 65

شکل 4- 19: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله ارزیابی برای الکل ها 65

شکل 4- 20: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله تست برای الکل ها 66

شکل 4- 21: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در کل مراحل برای الکل ها 66

شکل 4- 22: تغییرات میزان خطای مطلق میانگین با افزایش نرون در لایه پنهان برای آلکیل سیکلوهگزان ها 71

شکل 4- 23: ساختار بهینه شبکه عصبی برای آلکیل سیکلوهگزان ها 71

شکل 4- 24: خطای مربعات میانگین شبکه در مراحل آموزش،ارزیابی و تست برای آلکیل سیکلوهگزان ها 72

شکل 4- 25: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله آموزش برای آلکیل سیکلوهگزان ها 73

شکل 4- 26: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله ارزیابی برای آلکیل سیکلوهگزان ها 73

شکل 4- 27: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در مرحله تست برای آلکیل سیکلوهگزان ها 74

شکل 4- 28: فشاربخار محاسبه شده توسط شبکه عصبی(output) در مقایسه با داده های فشاربخار تجربی(target) در کل مراحل برای آلکیل سیکلوهگزان ها 74

 

 

فصل اول

مقدمه و کلیات تحقیق

1-1-مقدمه

فشار بخار خاصیت ترمودینامیکی مهمی در بسیاری از فرآیند های مختلف مهندسی شیمی نظیر تعادل شیمیایی، تقطیر ، تبخیر و مانند آنها به شمار می رود. تعیین این مشخصه می تواند به محاسبه مشخصات مهم دیگری نظیر انتالپی تبخیر بیانجامد. در صنایع نفت وگاز هم تعیین فشار بخار دارای اهمیت ویژه ای می باشد. در این حوزه در دو مورد عمده با فشار بخار برخورد می شود؛ یکی از این موارد، فشار بخار در مخازن می باشد. یکی از روش های مهم برای تقسیم بندی انواع مخازن نگهداری سیالات در صنعت نفت و گاز، تقسیم بندی آنها بر اساس فشار بخار سیالات مورد نظر می باشد. برای هر محدوده از فشار بخار مواد (فشار پایین، فشار متوسط، فشار بالا) از انواع مخصوصی از مخازن استفاده می شود. به عنوان مثال برای سیالات با فشار بخار پایین، از مخازن سقف ثابت استفاده می شود. برای سیالات با فشاربخار متوسط، مخازن سقف متحرک یا به عبارتی سقف شناور مورد استفاده قرار می گیرد.

فشار بخار محصولات مایع، از دیگر مواردی است که در صنعت مورد اندازه گیری واقع می شود. یکی از راههای اندازه گیری غیر مستقیم میزان سرعت تبخیر حلال های نفتی فرار، فشار بخار آن ها می باشد.محصولات تولیدی پالایشگاه نیز می بایست دارای مشخصات ویژه ای بوده و استانداردهایی در آن ها رعایت شده باشد تا در بازارهای جهانی امکان حضور و فروش خوب داشته باشد. بر همین اساس میزان فشاربخار از جمله مهمترین خصوصیت های مورد توجه است که علاوه بر کیفیت و قیمت از نقطه نظر ایمنی هنگام انتقال و ذخیره سازی نیز بسیار مهم می باشد و همواره مورد آزمایش و کنترل واقع می شود. از این رو اهمیت تعیین دقیق فشاربخار سیالات در حوزه صنایع نفت برکسی پوشیده نیست.

1-2-تعریف فشار بخار

فشار بخار به صورت فشار جزئی اعمال شده توسط بخار بالای سطح مایع تعریف می شود که این بخار در یک دمای معینی با مایع به تعادل می رسد. زمانی که لحظه ی تعادل نزدیک می شود، تعداد مولکول های بخار شده با تعداد مولکول های متراکم شده برابر می شود. در واقع سرعت تبخیر با سرعت تراکم برابر می گردد و فشار مشخص شده در این حالت، فشار بخار آن مایع در آن دما است.] 1 [

1-3-عوامل مؤثر بر فشار بخار

در کل فشار بخار یک مایع به دو عامل زیر بستگی دارد:

  • ماهیت و طبیعت مایع
  • دمای مایع

1-3-1- ماهیت مایع

مایعاتی که دارای نیروهای بین مولکولی ضعیفی هستند، فرارترند و فشار بخار بالاتری دارند. برای مثال، فشار بخار اتیل الکل بیشتر از فشار بخار آب است.

1-3-2-دمای مایع

فشار بخار با افزایش دما، افزایش می یابد. این مسئله بدین علت است که با افزایش دما، سرعت تبخیر نیز، افزایش می یابد.

1-4-بیان مسأله

فشار بخار مواد مختلف  از جمله خواص مورد نیاز برای انجام محاسبات مهندسی شیمی نظیر محاسبات تعادلی و عملیات واحد مهندسی شیمی است که پژوهشهای فراوانی در مورد آن  در حال انجام است. رایج ترین روش های تعیین فشاربخار شامل اندازه گیری های آزمایشگاهی، معادله های حالت، روابط تجربی و روابط بر مبنای قانون حالت های متناظر می باشند. ضرورت محاسبه فشاربخار با استفاده از روابط ریاضی زمانی افزایش می یابد که داده های آزمایشگاهی در دسترس نباشد. از آنجایی که شرایط بسیاری از فرایندهای شیمیایی به گونه ای است که عملاً تعیین فشار بخار مواد به صورت تجربی امکان پذیر نمی باشد و اندازه گیری آن در برخی فشارها ودماهای خاص سخت ومقادیر به دست آمده خیلی قابل اعتماد نیست، لذا ارائه مدل ها و روشهای پیش بینی فشار بخار، سهم عمده ای در تعیین این خاصیت ترمودینامیکی خواهند داشت. بنابراین روشهای پرشماری برای پیش بینی این مشخصه  ارائه شده اند و هر ساله روش های جدیدتری معرفی و یا روشهای قدیمی تصحیح می شوند. ] 5-2 [

 

1-5-توجیه ضرورت انجام تحقیق

از آنجایی که بسیاری از روابط تجربی ویا روابط حالت های متناظر دارای محدودیت هایی در تعیین فشار بخار هستند و برای تعیین فشار بخار در تمام محدوده دمایی مورد نیاز قابل استفاده نیستند ودقت قابل قبولی ندارند از این رو استفاده از روش های جدیدی که به دور از این محدودیت ها باشند ،توصیه می گردد. یکی از روش های مدلسازی که در سالهای اخیر مورد توجه بسیاری از محققین در علوم مختلف واقع شده است، مدلسازی به روش شبکه عصبی مصنوعی می باشد. شبکه های عصبی مصنوعی به عنوان زیر مجموعه ای از روش های هوش مصنوعی، با ساختار و عملکردی شبیه به مغز انسان در طیف وسیعی برای حل بسیاری از مسائل شامل ارزیابی، بهینه سازی، پیش بینی، تشخیص و کنترل مورد استفاده قرار می گیرند.] 6 [ یکی از مزیت های استفاده از شبکه های عصبی مصنوعی نسبت به مدل های قدیمی این است که نیازمند تعیین یک تابع خاص برای بیان رابطه میان داده های ورودی و خروجی نیست.  رابطه بین داده های ورودی و خروجی ازطریق فرایند آموزش به دست می آید. ] 7 [

 

1-6-اهداف تحقیق

  • مطالعه روش های مختلف برای محاسبه فشار بخار
  • بررسی میزان دقت و چگونگی اعمال روش های موجود برای محاسبه فشار بخار مواد مختلف
  • ارتقای روش های پیش بینی فشار بخار با اعمال روش نوین شبکه عصبی و مقایسه آن با روش های قدیمی
  • ارزیابی نتایج حاصل از مدل سازی به وسیله شبکه ی عصبی با داده های تجربی و بررسی دقت آن

1-7-مراحل انجام تحقیق

در بخش اول این پایان نامه روش های مختلف برای محاسبه فشار بخار بصورت جامع و کامل مورد بررسی قرار گرفت و پارامترهای هریک از روابط ، دقت تخمین فشار بخار و محدوده مطلوب دمایی هرکدام از روش ها ذکر گردید.

در بخش دوم  به معرفی وبررسی روش شبکه عصبی  به عنوان یک روش محاسباتی دقیق برای پیش بینی فشار بخار مواد پرداخته شد. در این مرحله از پایان نامه، مدل شبکه عصبی مصنوعی به عنوان روش تحقیق، بررسی شد و توضیحات جامعی از این روش و کاربردها  و ویژگی های آن و چگونگی اعمال این روش برای پیش بینی فشاربخار مواد ارائه شد.

در بخش سوم پایان نامه، روش نوین شبکه عصبی برای پیش بینی دقیق تر فشار بخار چندین گروه از مواد اعمال شد و شبکه عصبی مطلوب طراحی و نتایج حاصل از مدلسازی توسط روش شبکه عصبی مصنوعی برای گروههای مختلف مواد ارائه گردید. در این بخش با استفاده از منابع معتبر و داده های تجربی مورد اعتماد، میزان دقت و چگونگی اعمال مدل های مرسوم مختلف برای تخمین فشاربخار بررسی شد. در ادامه سعی شد تا کارایی روش های مختلف پیش بینی فشار بخار مواد در شرایط و برای مواد مختلف مورد بررسی قرار گیرد . در خاتمه نتایج به دست آمده از تحقیق حاضر و پیشنهادهایی برای تحقیقات آتی ارائه شده است.

1-8-ساختار تحقیق

کاربردی ترین و معروف ترین روابط محاسبه فشار بخار در فصل دوم پایان نامه ذکر گردید. در این فصل، هشت رابطه معرفی وبررسی گردید. در ادامه، پیشینه استفاده از روش شبکه عصبی برای تعیین خواص ترمودینامیکی مواد از جمله فشار بخار ترکیبات  مختلف بیان شد. از مهم ترین ویژگی های شبکه های عصبی مصنوعی وابسته نبودن آن ها به فرضیه های اولیه درباره داده های ورودی است؛ به این معنا که داده های ورودی می توانند هرگونه توزیع آماری دلخواهی داشته باشند ] 8 [ این ویژگی مهم شبکه های عصبی امتیاز ویژه آن ها در مقابل روش های آماری است و به آن ها این توانایی را می دهدکه به طور یکسان از انواع مختلف داده های ورودی با هر توزیع دلخواه استفاده کنند.] 9 [حاصل تحقیقات و پژوهش های صورت گرفته طی سالهای اخیر برای پیش بینی و تخمین خواص فیزیکی و ترمودینامیکی با استفاده از انواع مدل های شبکه عصبی مصنوعی،در این فصل ارائه شده است.

در فصل سوم، ساختار شبکه عصبی به طور کامل تشریح گردید. انواع شبکه های عصبی ، الگوریتم های آموزش شبکه ومراحل کار با شبکه عصبی برای رسیدن به هدف مورد نظر بیان شد.

در فصل چهارم، مراحل آموزش و تست شبکه عصبی برای 4 گروه از مواد اعمال شد.تعداد 176 داده از گروه هیدروکربن های آروماتیکی، 254 داده از گروه آلکان ها و آلکن ها ، 202 داده از گروه الکل ها و 224 داده از گروه آلکیل سیکلو هگزان ها در این تحقیق مورد استفاده قرار گرفته است. هرکدام از گروه های بالا به طور جداگانه به شبکه معرفی شد ونتایج عملکرد شبکه برای هر خانواده از مواد ارائه گردید. مراحل رسیدن به بهترین ساختار شبکه، به تفکیک بیان شد ونتایج حاصل از مدلسازی فشاربخار مواد توسط شبکه عصبی، با روش ها و روابط ریاضی موجود مقایسه گردید و میزان خطای هریک از روش ها و همینطور مدل شبکه عصبی مصنوعی، تعیین گردید. در ادامه بهترین نتیجه ازیافته ها ومحاسبات این تحقیق، ارائه گردید.

در فصل پنجم، از نتایج حاصل از پایان نامه، نتیجه گیری صورت گرفت و برای تحقیقات آتی، پیشنهادهایی بیان شد.

تعداد صفحه :95

قیمت : 14000تومان

بلافاصله پس از پرداخت ، لینک دانلود پایان نامه به شما نشان داده می شود

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :        09309714541 (فقط پیامک)        info@arshadha.ir

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

--  -- --

مطالب مشابه را هم ببینید

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید