نوع مقاله : مقاله پژوهشی

نویسندگان

• محسن رضائی ¹
• پروین کریمی ²
• فاطمه رضائی ³

¹ گروه مهندسی صنایع، دانشگاه علم و فناوری مازندران، بهشهر

² گروه فیزیک، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران

³ دانشکده فیزیک، دانشگاه خواجه نصیرالدین طوسی، تهران

چکیده

در این مقاله، با استفاده از تکنیک طیف­سنجی فروشکست القائیدۀ لیزری، غلظت‌های عناصر موجود در آلیاژهای استاندارد آلومینیوم به طور کمی اندازه­گیری شده است. لیزر تپی Nd:YAG در طول موج nm 1064 روی نمونه‌های استاندارد آلومینیوم تابیده شده است و با استفاده از پلاسمای ایجاد شده، تحلیل‌ها انجام شده است. از بین روش‌های مختلف تحلیل جهت براورد غلظت عناصر موجود در نمونه‌های آلومینیم، روش‌های شبکۀ عصبی مصنوعی، الگوریتم تخمین‌گر بردار پشتیبان، میانگین متحرک خودبرگشت تجمعی، مدل رگرسیون بردار پشتیبان مبتنی بر کرنل و مدل ترکیبی KSVR-ARIMA، برای پیش‌بینی غلظت عناصر آهن، مس، روی، منیزیم، منگنز و سیلیس مورد استفاده قرار گرفته‌اند و نتایج به دست آمده از این روش­ها با هم مقایسه شده‌اند. نتایج به‌ دست آمده نشان می‌دهد که روش ترکیبی KSVR-ARIMA، بهترین مقادیر پیش‌بینی را با کمترین خطا برای اغلب عناصر اشاره شده گزارش می‌کند‏.

کلیدواژه‌ها

• طیف‌نمایی فروشکست القائیدۀ لیزری
• آلومینیوم
• شبکۀ عصبی مصنوعی
• آریما
• رگرسیون بردار پشتیبان

عنوان مقاله [English]

Prediction of elemental concentration using of laser induced breakdown spectroscopy aided by artificial neural network, statistical methods of autoregressive integrated moving average model and support vector regression and their combination

نویسندگان [English]

• Mohsen Rezaei ¹
• Parvin Karimi ²
• Fatemeh Rezaei ³

¹ Department of Industrial Engineering, University of Science and Technology of Mazandaran, Behshahr, Iran

² Department of Physics, South Tehran Branch, Islamic Azad University, Tehran, Iran

³ Department of Physics, K. N. Toosi University of Technology, Tehran, Iran

چکیده [English]

In this paper, by using of laser induced breakdown spectroscopy (LIBS) method, the elemental concentrations existed in standard aluminum alloys are measured quantitatively. Pulse laser of Nd:YAG at 1064 nm is irradiated on Al standard samples and analysis is performed by created plasma. Among different methods for estimation of concentration of existed elements in aluminum samples, artificial neural network (ANN), Support vector regression, autoregressive integrated moving average model (ARIMA), kernelized support vector regression (KSVR) and combined method of KSVR-ARIMA are utilized for prediction of element concentrations of Fe, Cu, Zn, Mg, Mn, and Si and obtained results from these methods are compared together. The extracted results show that the combined method of KSVR-ARIMA reports the best prediction values by the least error for the most of the elements.

کلیدواژه‌ها [English]

• laser induced breakdown spectroscopy
• aluminum
• artificial neural network ARIMA
• support vector regression