مدل سازی شبکه عصبی مصنوعی فرآیند جذب زیستی اورانیوم توسط سودوموناس پتیدا

در این تحقیق کارایی شبکه های عصبی در پیش بینی میزان حذف اورانیوم از محلول های آبی با استفاده از جاذب بیولوژیکیمطالعه شد. بدین منظور از داده های آزمایشگاهی مربوطه استفاده شد. پارامترهای ورودی شبکه، شامل PH، غلظت اولیهاورانیوم، دوز جاذب، درصد وزنی باکتری و خروجی شبکه، ظرفیت جذب اورانیوم توسط جاذب بیولوژیکی است. ساختارانتخابی شبکه از نوع پرسپترون چند لایه با الگوریتم پس انتشارخطا در نظر گرفته شد. بابررسی بر روی توابع انتقال و تعدادنورونهای مختلف، توابع بهینهی لایه میانی logsig و لایه خروجی purelin و تعداد نورون های لایه میانی برابر با 9 انتخاب گردید. ضریب همبستگی و میانگین مربعات خطا برای شبکه مورد نظر به ترتیب 0/975 و 0/00055 به دست آمد که بیانگرتطابق خوب بین دادههای آزمایشگاهی و نتایج مدلسازی بود. استفاده از شبکه عصبی پرسپترون چند لایه، تابع آموزشلونبرگ مارکوات و تابع انتقال logsig لایه ی میانی و purelin در تابع خروجی و تعداد 9 نورون در لایه ی میانی، نتایج مناسبی برای پیش بینی فرایند جذب در پی خواهد داشت.

کلیدواژه ها:

مدل سازی ، شبکه عصبی مصنوعی ، سودوموناس پتیدا ، کیتوزان