https://doi.org/10.15255/KUI.2020.069
Objavljen: Kem. Ind. 70 (9-10) (2021) 481–488
Referentni broj rada: KUI-69/2020
Tip rada: Izvorni znanstveni rad
Preuzmi rad:  PDF

Praktični alat umjetne neuronske mreže za predviđanje kompetitivne adsorpcije bojila na polimernoj nanoarhitekturi gemini

A. El Bey, M. Laidi, A. Yettou, S. Hanini, A. Ibrir, M. Hentabli i H. Ouldkhaoua

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