بررسي پايداري ممانعت كننده عصاره ي زرد چوبه به عنوان يك ممانعت كننده دوستدار محيط زيست با زمان توسط شبكه هاي عصبي و پولاريزاسيون

Stability of Turmeric extract as a green corrosion inhibitor against elapsed time by neural network modeling and polarization

دراين مقاله ، يك شبكه عصبي به منظور بررسي اثر ممانعت كنندگي عصاره ي زرد چوبه به عنوان يك ممانعت كننده ي دوستدار محيط زيست بر روي فولاد كربني C1018، توسعه داده شده است. در مدل ارائه شده از نتايج آزمون هاي پولاريزاسيون بدست آمده از بررسي غلظت ممانعت كننده (0 الي 0/03 گرم بر ليتر) و مدت زمان بكارگيري آن در محيط خوردنده ي اسيد كلريدريك (28روز)، به عنوان ورودي شبكه استفاده شده است و خروجي شبكه نيز ميزان كارايي ممانعت كننده مي باشد. مقايسه ي مقادير آزمايشگاهي و مقادير پيش بيني شده از شبكه ي عصبي حاكي از مناسب بودن شبكه ي آماده شده و الگريتم آموزش شبكه بوده است. بر اساس مقادير پيش بيني شده، مي توان نتيجه گرفت كه عصاره ي زرد چوبه داراي پايداري بسير كمي با زمان، در محيط اسيدي مي باشد، به طوري كه پس از گذشت حدود 20 روز از ابتداي اضافه شدن ممانعت كننده به محيط، اثر ممانعت كننده بسيار ناچيز خواهد بود.

In this work, an artificial neural network (ANN) model was established in order to predict the corrosion inhibition properties of Turmeric extract (TE) as green corrosion inhibitor on mild steel. The model developed in this study was consider the contents of TE (0-0.03 gr/lit) and Time (28 days) that obtained from polarization experiments, as inputs, while, the inhibition efficiency (IE) is presented as outputs. The optimal ANN architecture and training algorithm were determined. Comparing the predicted values by ANN with the experimental data indicates that trained neural network model provides accurate results. According to the predicted data, it is concluded that after about 20 days the inhibition efficiency becomes too negligible and, therefore, turmeric extract have low stability against time.