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

https://hrcak.srce.hr/261416

Podaci na drugim jezicima: engleski

Posjeta: 446 *