Modeling Biodegradable Free Chlorine Sensor Performance Using Artificial Neural Networks
Notice bibliographique
Résumé
Abstract Electrochemical sensors are used to measure target analytes in water, meat, fruits, or vegetables, to ensure their safety, security, and integrity for human use. In this paper, a solution‐based fabrication process is presented for a biodegradable electrochemical free chlorine sensor using asparagine that is functionalized onto graphene oxide (GO). An ink solution of the GO functionalized with asparagine is synthesized, and then deposited onto a screen‐printed carbon electrode (SPCE) using a spin coater. The sensor shows high a sensitivity of 0.30 µA ppm −1 over a linear range of 0–8 ppm with a hysteresis‐limited resolution of 0.2 ppm after achieving a steady state at 50 s. From the development and testing of the free chlorine sensor, over 9000 datapoints are collected and used for training an artificial neural network (ANN) model to quantify and characterize the factors affecting the free chlorine sensor's performance, and model its degradation characteristics. The model reports a low mean absolute error (MAE) of 0.1603 and a high model accuracy with a Pearson correlation coefficient (PCC) of 0.9950, demonstrating that these degradation characteristics can be modeled and be used to compensate the degraded performance characteristics of the free chlorine sensors.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».