پیش‌بینی شرایط سنتز کلسیم‌فسفات‌های دوفازی با استفاده از شبکه‌ عصبی مصنوعی

نویسندگان

  • اسدی عیدیوند, میترا
  • حکمی والا, امیرحسین
  • فرزادی, ارغوان
چکیده مقاله:

متداول‌ترین روش سنتز کلسیم ‌فسفات‌های دوفازی برای کاربرد به عنوان بیومتریال، روش رسوب از محلول است. در این روش کنترل شرایط و عوامل واکنش از اهمیت بسیاری برخوردار است. برای پیش‌بینی شرایط چنین واکنشی می‌توان از روش‌های محاسباتی مانند شبکه‌های عصبی مصنوعی استفاده کرد.‌ شبکه‌های عصبی مصنوعی نوعی مدل‌سازی با الهام از سیستم‌های عصبی موجودات زنده هستند که مسائل را به نحو ساده‌تری قابل درک و توصیف می‌کنند. سنتز پودرها با استفاده از محلول‌های حاوی کلسیم و فسفر با نسبت‌های مختلف Ca به P صورت پذیرفت. pH محیط واکنش با استفاده از نیتریک اسید و سدیم هیدروکسید تنظیم شد. رسوب‌های حاصل به مدت یک ساعت در دمای 1100 درجه سلسیوس حرارت داده شدند. ترکیب شیمیایی پودرهای سنتز‌شده و نسبتCa/P در نمونه‌ها با استفاده از دستگاه پلاسمای جفت‌شده القایی تعیین شد. فازها و گروه‌های عاملی موجود در نمونه‌ها به ترتیب با استفاده از روش پراش پرتو ایکس و روش انتقال فوریه فروسرخ مشخص شدند. چهار شبکه سه‌لایه با الگوریتم یادگیری پس‌انتشار ِ خطا با ده نورون در لایه مخفی و تابع تحریک سیگموئید خطی و الگوریتم یادگیری لونبرگ-مارکوارت با استفاده از داده‌های به‌دست‌آمده از آزمایش در چهار شکل متفاوت طراحی شد. بهترین نتیجه مربوط به شبکه ای با 80 درصد از داده‌ها برای مرحله یادگیری، 15 درصد برای مرحله اعتبارسنجی و 5 درصد برای مرحله آزمون بود. برای اطمینان از عملکرد مطلوب شبکه‌ها، هر کدام از چهار شبکه با استفاده از چهار داده جدید مورد بررسی قرار گرفت و مشخص شد که نتایج تخمین زده شده توسط شبکه با نتایج به دست آمده از آزمایش مطابقت دارد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش‌بینی الگوهای جریان دوفازی افقی مایع- مایع با استفاده از شبکه عصبی مصنوعی

یکی از مهم ترین پارامترهای جریان دوفازی مایع- مایع الگوی جریان است. با این وجود، مدل جامع و دقیقی برای پیش‌بینی آن موجود نیست. در این مقاله، از شبکه‌های عصبی مصنوعی به منظور پیش بینی الگوهای جریان افقی مایع- مایع استفاده شد. شبکه‌های عصبی به‌کار رفته، پس انتشار پیش خور (FFBP) و شبکه عصبی احتمالی (PNN) است. با استفاده از 13 نقشه الگوی جریان مایع- مایع مختلف موجود در نوشتگان علمی، تعداد 1912 داده...

متن کامل

پیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی

پیش‌بینی محل وقوع زلزله‌های آتی همراه با تعیین درصد احتمال رخداد، می‌تواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محل‌های پیش‌بینی شده، سبب افزایش توجه به طراحی، به‌سازی لرزه­ای و ارزیابی قابلیت اعتمادپذیری سازه‌های موجود در این مکان‌ها می‌شود. در پیش‌بینی زمان وقوع زلزله فرضیه‌ها و نظریه‌های گسترده‌ای مطرح است. هنوز شیوه‌ای دقیق برای پیش‌بینی زمان رخداد زلزله‌های آتی مورد تأیید ق...

متن کامل

مدل‌سازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی

در این مطالعه آزمایش­های مزرعه­ای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنه­های متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتی­متر، سرعت­های پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگین­کننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکه­های عصبی مدل­سازی شده در این تحقیق که به­ منظور پیش­بینی بازده کششی تراکتور مورد اس...

متن کامل

تعیین ارزش دارایی‌های نامشهود با استفاده از شبکه عصبی مصنوعی

درک عوامل موثر بر ارزش شرکت برای سرمایه‌گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه‌گذاری یا اعطای تسهیلات، امری حیاتی است. از آن‌جایی که اقتصاد دانش‌محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی‌های فیزیکی به دانش نامشهود منتقل شده است. از این‌رو در آینده نه چندان دور، ارزش‌گذاری دارایی‌های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن ...

متن کامل

برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی

دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیم­شناسی است که اندازه­گیری و برآورد آن ضروری است. با توجه به این­که دمای خاک فقط در ایستگاه­های سینوپتیک کشور اندازه­گیری می­شود، کمبود آن در نقاط فاقد ایستگاه از چالش­های بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...

متن کامل

پیش‌بینی ابتلا به دیابت با استفاده از شبکه عصبی مصنوعی

Background: Diabetes ever-increasing prevalence and the heavy burdens of controlling and treatment of the disease on people and the country have turned to be greatest challenges for governmental and healthcare authorities. Therefore, the disease prevention takes top priority and to do so the only possible way is detecting the effective parameters and controlling them. This study is about to for...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 1  شماره 1

صفحات  0- 0

تاریخ انتشار 2012-09

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023