پیش بینی غلظت عناصر با استفاده از تکنیک طیف نمایی القائیده لیزری با بهره گیری از روش های آماری شبکه عصبی مصنوعی، میانگین متحرک خودبرگشت تجمعی و رگرسیون بردار پشتیبان و ترکیب آنها

در این مقاله، با استفاده از تکنیک طیف­سنجی فروشکست القائیده لیزری، غلظت های عناصر موجود در آلیاژهای استاندارد آلومینیوم به طور کمی اندازه­گیری شده است. لیزر تپی Nd:YAG در طول موج nm ۱۰۶۴ روی نمونه های استاندارد آلومینیوم تابیده شده است و با استفاده از پلاسمای ایجاد شده، تحلیل ها انجام شده است. از بین روش های مختلف تحلیل جهت براورد غلظت عناصر موجود در نمونه های آلومینیم، روش های شبکه عصبی مصنوعی، الگوریتم تخمین گر بردار پشتیبان، میانگین متحرک خودبرگشت تجمعی، مدل رگرسیون بردار پشتیبان مبتنی بر کرنل و مدل ترکیبی KSVR-ARIMA، برای پیش بینی غلظت عناصر آهن، مس، روی، منیزیم، منگنز و سیلیس مورد استفاده قرار گرفته اند و نتایج به دست آمده از این روش­ها با هم مقایسه شده اند. نتایج به دست آمده نشان می دهد که روش ترکیبی KSVR-ARIMA، بهترین مقادیر پیش بینی را با کمترین خطا برای اغلب عناصر اشاره شده گزارش می کند.

کلیدواژه ها:

طیف نمایی فروشکست القائیده لیزری ، آلومینیوم ، شبکه عصبی مصنوعی ، آریما ، رگرسیون بردار پشتیبان