Intelligent tools to model photocatalytic degradation of beta‐naphtol by titanium dioxide nanoparticles
Notice bibliographique
Résumé
Feasibility of applying intelligent tools in prediction and optimization of photocatalytic degradation of beta‐naphthol using the titanium dioxide (TiO2) nanoparticles were conducted in this study. Biphasic TiO2 nanoparticles were synthesized using the controlled hydrolysis of TiCl4, and their properties were studied using the X‐ray diffraction and transmission electron microscopy methods. Therefore, factors affecting photocatalytic degradation of beta‐naphthol including impurity concentration, catalyst content, acidity, and aeration rate were monitored and controlled. The laboratory data showed that degradation rate of beta‐naphthol is a complicated nonlinear function of monitored variables. Two models including artificial network trained with particle swarm optimization (ANN‐PSO) and adaptive neuro‐fuzzy interference system trained with particle swarm optimization (ANFIS‐PSO) were used for prediction of this system. The results showed presence of a significant relation between the real and predicted data of these 2 models. However, ANFIS‐PSO can be more efficiently applied for prediction and optimization of photocatalytic behavior of TiO2 nanoparticles as for degradation of beta‐naphthol as compared to ANN‐PSO. As an advantage, ANFIS eliminates the problems of fuzzy logic, such as creation of membership functions, and local minima, which should be located in design of ANN, and through PSO algorithm, it could be a very powerful tool for simulating kinds of processes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».