سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

یک زیست حسگر الکتروشیمیایی هوشمند مبتنی بر روش های یادگیری ماشین بهینه برای اندازه گیری آلودگی نیترات در آب

Publish Year: 1403
Type: Conference paper
Language: Persian
View: 13

This Paper With 12 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

NCAMEM16_117

Index date: 12 November 2024

یک زیست حسگر الکتروشیمیایی هوشمند مبتنی بر روش های یادگیری ماشین بهینه برای اندازه گیری آلودگی نیترات در آب abstract

در طول دو دهه گذشته، زیست حسگرهای آنزیمی فراوانی برای تشخیص اختصاصی و انتخابی نیترات معرفی شده اند. این زیست حسگرها عموما از واکنش اکسایش-کاهش نیترات به نیتریت برای اندازه گیری نیترات بهره می گیرند. از آنجا که فعالیت آنزیم مورد استفاده در ساختار زیست حسگر با گذشت زمان کاهش می یابد، کاربر زیست حسگر بایستی آنزیم تثبیت شده بر روی الکترود کار را به طور مکرر جایگزین کند، که هزینه های تشخیص را افزایش داده و قابلیت تجاری سازی آنها را محدود می کند. در این مطالعه، از شبکه های عصبی مصنوعی برای پیش بینی غلظت نیترات در نمونه ها با در نظر گرفتن داده های الکتروشیمیایی و کاهش فعالیت آنزیم در طول زمان استفاده شده است. الگوریتم شاهین هریس به عنوان یک روش بهینه سازی فراابتکاری مبتنی بر هوش جمعیتی برای بهینه سازی پارامترهای وزن و بایاس شبکه های عصبی مصنوعی مورد استفاده در واحد تصمیم گیری زیست حسگر استفاده شد. این مطالعه نشان داد که الگوریتم یادگیری بهینه شده با الگوریتم فراابتکاری منجر به پیش بینی امیدوارکننده غلظت نیترات در سطح میکرومولار با ضریب تبیین (R۲) در حدود ۰/۹۵ شد. علاوه بر این، زیست حسگر معرفی شده توانایی استفاده تا ۳۰ روز پس از تثبیت آنزیم را داشت. مقایسه میان یافته های این مطالعه و مطالعات قبلی که از ماشین های بردار پشتیبان و سیستم های استنتاج فازی استفاده می کردند، نشان داد که شبکه های بهینه سازی شده با تکنیک های جدید فراابتکاری می توانند نتایج پیش بینی قابل اعتمادی تری ارائه دهند

یک زیست حسگر الکتروشیمیایی هوشمند مبتنی بر روش های یادگیری ماشین بهینه برای اندازه گیری آلودگی نیترات در آب Keywords:

یک زیست حسگر الکتروشیمیایی هوشمند مبتنی بر روش های یادگیری ماشین بهینه برای اندازه گیری آلودگی نیترات در آب authors

کیوان آصف پور وکیلیان

گروه مهندسی مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

مقاله فارسی "یک زیست حسگر الکتروشیمیایی هوشمند مبتنی بر روش های یادگیری ماشین بهینه برای اندازه گیری آلودگی نیترات در آب" توسط کیوان آصف پور وکیلیان، گروه مهندسی مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران نوشته شده و در سال 1403 پس از تایید کمیته علمی شانزدهمین کنفرانس ملی مهندسی مکانیک بیوسیستم و مکانیزاسیون کشاورزی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله آنزیم، داده های الکتروشیمیایی، الگوریتم شاهین هریس، هوش جمعیتی هستند. این مقاله در تاریخ 22 آبان 1403 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 13 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در طول دو دهه گذشته، زیست حسگرهای آنزیمی فراوانی برای تشخیص اختصاصی و انتخابی نیترات معرفی شده اند. این زیست حسگرها عموما از واکنش اکسایش-کاهش نیترات به نیتریت برای اندازه گیری نیترات بهره می گیرند. از آنجا که فعالیت آنزیم مورد استفاده در ساختار زیست حسگر با گذشت زمان کاهش می یابد، کاربر زیست حسگر بایستی آنزیم تثبیت شده بر ... . برای دانلود فایل کامل مقاله یک زیست حسگر الکتروشیمیایی هوشمند مبتنی بر روش های یادگیری ماشین بهینه برای اندازه گیری آلودگی نیترات در آب با 12 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.