پیش بینی عناصر تشکیل دهنده ی سیمان با استفاده از آنالیز فعال سازی نوترونی و شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی (ANNs) یکی از پرکاربردترین روش ها برای پیش بینی در مسایل مختلف هستند که برای مدل سازی سیستم های پیچیده و غیر خطی به کار می روند. در این مقاله با استفاده از دستگاه IR-IECF سیمان شامل مواد کلسیم، سیلیسیم، آلومینیوم و آهن نوترون دهی گردیده است و فوتون های پراکنده از این عناصرآشکارسازی شده اند. کتابخانه ای شامل 29 عضو از طیف اشعه ی گاما برای نمونه های مشخص توسط نرم افزار MCNPX تولید شده و سپس از این داده به منظور یادگیری شبکه عصبی مصنوعی پرسپترون چند لایه MLP استفاده گردیده است و سپس درصدهای این عناصر در سیمان پیش بینی شده اند. در نهایت شبکه ی MLP طراحی شده دارای خطای بسیار مناسبی بوده است.

Keywords:

نوترون , ICF , آنالیز فعال سازی , گامای تاخیری