پیش بینی مدول امپدانس با استفاده از مدل های شبکه عصبی

این مطالعه به بررسی کاربرد شبکه های عصبی مصنوعی (ANN) برای پیش بینی مقاومت به خوردگی پوشش هایسل-ژل روی فولاد کربنی ساده می پردازد. پوشش های سل-ژل به دلیل یکنواختی و دوام، برای محافظت اززیرلایه های فلزی موثر هستند، اما بهینه سازی آنها نیازمند مدل سازی دقیق است. در این مطالعه، داده هایآزمایشگاهی شامل پارامترهای مختلف پوشش و نتایج مقاومت به خوردگی از مطالعات پیشین جمع آوری شده ومدل های مختلف ANN برای پیش بینی مدول امپدانس ارزیابی شدند. مدل ها شامل شبکه های پیش خور با توابع فعال سازی مختلف، شبکه پایه شعاعی و شبکه عصبی عمومی رگرسیون بودند. نتایج نشان میدهند که مدل ReluTanhFFNNبا ترکیب عمیق تر و پیچیده تر، بالاترین دقت پیش بینی را ارائه میدهد. همچنین، تحلیل انتخاب ویژگی ها نشان داد که ویژگی های خاصی مانند غلظت نانوذرات مونت موریلونیت و زمان غوطه وری پلیت در محلولسل، نقش برجسته ای در بهبود عملکرد مدل دارند.