روشنک رفیعی نظری - گروه فیزیک، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
حسن قلمی باویل علیایی - گروه فیزیک، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

در این مقاله از روش شبکه عصبی برای درک اثرات پلاسما بر میزان احیاء اکسید مس و اکسید آهن استفاده شد. در این روش پنج پارامتر پلاسما، دما، فشار، دوره های زمانی، کاهش وزن در طول احیاء و نسبت مخلوط اکسیدهای مس و آهن به عنوان متغیرهای ورودی و میزان احیاء به عنوان متغیر خروجی در نظر گرفته شد. توانایی یادگیری و قابلیت پیش بینی در مدل های شبکه عصبی به عنوان معیارهای عملکرد مقایسه شد. در ساختار شبکه عصبی تعداد لایه ها و نرون بهینه شدند. نتایج آزمایشهای تجربی نشان داد که مدل شبکه عصبی می تواند عملکرد فرآیند عمل آوری با پلاسما را با دقت مناسب پیش بینی کند. بنابراین، می توان نتیجه گرفت که شبکه عصبی مصنوعی ابزار با ارزشی برای ارزیابی، درک و پیش بینی میزان احیاء مخلوط Fe۲O۳ وCuO توسط پلاسما است.

مدلسازی، پلاسمای سرد، Fe۲O۳ وCuO، شبکه عصبی مصنوعی