پیش‌بینی شرایط سنتز کلسیم‌فسفات‌های دوفازی با استفاده از شبکه‌ عصبی مصنوعی

Authors

  • اسدی عیدیوند, میترا
  • حکمی والا, امیرحسین
  • فرزادی, ارغوان
Abstract:

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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...

full text

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...

full text

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...

full text

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 ...

full text

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...

full text

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...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 1  issue 1

pages  0- 0

publication date 2012-09

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023