بررسي كارايي شبكه‌هاي عصبي مصنوعي در پيش‌بيني تأثير غلظت پليمر و ولتاژ فرايند الكتروپاشش بر ويژگي‌هاي فيزيكي ذرات

با توجه به حساسيت تركيبات زيست فعال، به تازگي استفاده از روش نوين پاشش الكتروهيدروديناميكي جهت ريزپوشاني اين تركيبات پيشنهاد شده است. پارامترهاي مؤثر بر اندازه و مورفولوژي ذرات توليدي به دليل تأثيري كه بر حفاظت تركيبات زيست فعال و رهايش كنترل شده آنها در مكان و زمان مناسب دارند، از اهميت فراواني برخوردارند. از اينرو در مطالعه حاضر ابتدا اثرات ميزان غلظت كنسانتره پروتئين آب پنير، صمغ عربي، شير خشك و ولتاژ روي برخي از ويژگي‌هاي فيزيكي محلول پليمري و اندازه ذرات توليدي به روش پاشش الكتروهيدروديناميكي تعيين شد و سپس توسط مدل شبكه‌ي عصبي مصنوعي پرسپترون چند لايه و شبكه با تابع پايه‌ي شعاعي شبيه‌سازي گرديد. اين دو مدل همراه با توابع آستانه‌ي مختلف در پيش‌بيني مقادير ويسكوزيته، كشش سطحي، هدايت الكتريكي محلول پليمري و اندازه كپسول‌هاي توليدي مورد استفاده قرار گرفتند. نتايج نشان داد كه مدل شبكه‌ي پرسپترون چند لايه متشكل از چيدماني با پنج ورودي و يك لايه مخفي حاوي 4 نرون با تابع فعال‌سازي تانژانت هيپربوليك كه با استفاده از الگوريتم يادگيري لونبرگماركوارت و تعداد تكرار 1000 آموزش ديده بود، بهترين نتيجه را براي پيش‌بيني اين ويژگي‌ها در مقايسه با شبكه‌ي تابع پايه‌ي شعاعي بدست داد. ضرايب تبيين اندازه ذرات توليدي، ويسكوزيته، كشش سطحي و هدايت الكتريكي محلول به ترتيب برابر با 958/0، 991/0، 996/0 و 967/0 بودند. آناليز حساسيت مقادير پيش‌بيني شده توسط شبكه‌ي عصبي پرسپترون چند لايه در برابر مقادير تجربي حاكي از قرار گرفتن داده‌ها به طور تصادفي در اطراف خط رگرسيوني با ضريب تبيين بالا بود كه دليلي بر دقت بالاي شبكه‌ي عصبي در پيش‌بيني داده‌هاي خروجي مي‌باشد. شايان ذكر است كه اندازه ذرات توليدي، ويسكوزيته و هدايت الكتريكي محلول پليمري با بالا رفتن غلظت پليمرهاي به كار رفته افزايش يافت و تمامي سطوح اختلاف آماري معني‌دار (05/0 lt; P) داشتند. نتايج به دست آمده در اين مطالعه، به منظور پيش‌بيني اثرات عوامل اشاره شده بر ويژگي‌هاي فيزيكي محلول هيدروكلوئيدي و ذرات توليدي در جهت انتخاب مناسبترين تركيب ديواره، با در نظر داشتن هدف از ريزپوشاني تركيب زيست فعال، اهميت كاربردي دارند.