Izvorni znanstveni članak
https://doi.org/10.15255/KUI.2020.069
Praktični alat umjetne neuronske mreže za predviđanje kompetitivne adsorpcije bojila na polimernoj nanoarhitekturi gemini
Abdelmadjid El Bey
orcid.org/0000-0002-5525-074X
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Médéa, Alžir
Maamar Laidi
orcid.org/0000-0002-8977-9895
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Médéa, Alžir
Amina Yettou
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Médéa, Alžir
Salah Hanini
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Médéa, Alžir
Abdellah Ibrir
orcid.org/0000-0003-0332-1398
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Médéa, Alžir
Mohamed Hentabli
orcid.org/0000-0002-6693-0708
; Laboratory Quality Control, Physico-Chemical Department, Antibiotical Saidal of Médéa, Alžir
Hasna Ouldkhaoua
; Laboratory Quality Control, Physico-Chemical Department, Antibiotical Saidal of Médéa, Alžir
Sažetak
Cilj ove studije bio je modelirati učinkovitost uklanjanja ternarnog adsorpcijskog sustava pomoću višeslojne unaprijedne neuronske mreže s povratnim rasprostiranjem pogreške (FFBP-ANN). Model ANN-a učen je algoritmom Levenberg–Marquardt, a najbolji model bio je s arhitekturom {9-11-4-3} neurona za ulazni, prvi i drugi skriveni sloj te izlazni sloj, na temelju dvaju metričkih pokazatelja: srednje kvadratne pogreške (MSE) = (0,2717 – 0,5445) i koeficijenta određivanja (R2) = (0,9997 – 0,9999). Rezultati su potvrdili robusnost i učinkovitost razvijenog ANN modela za modeliranje procesa adsorpcije.
Ovo djelo je dano na korištenje pod licencom Creative Commons Imenovanje 4.0 međunarodna.
Ključne riječi
kompetitivna adsorpcija; umjetne neuronske mreže; modeliranje; bojila
Hrčak ID:
261416
URI
Datum izdavanja:
23.8.2021.
Posjeta: 1.182 *