Original scientific paper

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, Algeria
Maamar Laidi orcid.org/0000-0002-8977-9895 ; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Médéa, Algeria
Amina Yettou ; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Médéa, Algeria
Salah Hanini ; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Médéa, Algeria
Abdellah Ibrir orcid.org/0000-0003-0332-1398 ; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, Médéa, Algeria
Mohamed Hentabli orcid.org/0000-0002-6693-0708 ; Laboratory Quality Control, Physico-Chemical Department, Antibiotical Saidal of Médéa, Algeria
Hasna Ouldkhaoua ; Laboratory Quality Control, Physico-Chemical Department, Antibiotical Saidal of Médéa, Algeria

Abstract

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.

Keywords

kompetitivna adsorpcija; umjetne neuronske mreže; modeliranje; bojila

Hrčak ID:

261416

URI

https://hrcak.srce.hr/261416

Publication date:

23.8.2021.

Article data in other languages: english

Visits: 1.229 *