پيش بيني عناصر تشكيل دهنده ي سيمان با استفاده از آناليز فعال سازي نوتروني و شبكه هاي عصبي مصنوعي

شبكه¬هاي عصبي مصنوعي (ANNs) يكي از پركاربردترين روش¬ها براي پيش¬بيني در مسايل مختلف هستند كه براي مدل سازي سيستم¬هاي پيچيده و غير خطي به كار مي¬روند. در اين مقاله با استفاده از دستگاه IR-IECF سيمان شامل مواد كلسيم، سيليسيم، آلومينيوم و آهن نوترون دهي گرديده است و فوتون¬هاي پراكنده از اين عناصرآشكارسازي شده¬اند. كتابخانه¬اي شامل 29 عضو از طيف اشعه¬ي گاما براي نمونه¬هاي مشخص توسط نرم افزار MCNPX توليد شده و سپس از اين داده به منظور يادگيري شبكه عصبي مصنوعي پرسپترون چند لايه MLP استفاده گرديده است و سپس درصدهاي اين عناصر در سيمان پيش¬بيني شده¬اند. در نهايت شبكه¬ي MLP طراحي شده داراي خطاي بسيار مناسبي بوده است.