Tio2 katkılı polistiren nanofiber çapı tahmininde yapay sinir ağları modelleme tekniklerinin kullanılması
Application of artificial neural networks modeling techniques in tio2 doped polystyrene nanofibers diameter prediction
- Tez No: 859382
- Danışmanlar: PROF. DR. RAHİME SEDA TIĞLI AYDIN, DR. ÖĞR. ÜYESİ CEREN KAYA
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Biyoteknoloji, Bioengineering, Biotechnology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Geçmişten günümüze yapay sinir ağları (YSA) biyomedikal alanda ve uygulamalarında kullanılmaktadır. Bu tez çalışmasının amacı biyomedikal alanda da sıklıkla kullanılan polistiren (PS) ve titanyum dioksit (TiO2) PS (TiO2-PS) nanofiber üretim aşamasındaki proses parametrelerini tanımlayarak fiber boyutunu başarı ile tahmin edebilecek yapay sinir ağı modelinin uygulanabilirliğinin incelenmesidir. Nanofiberler, sürekli nanofiber üretim yöntemlerinden biri olan elektro-eğirme yöntemi ile üretilmiştir. PS ve TiO2-PS nanofiberlerin yapıları ve boyutları taramalı elektron mikroskobu ile görüntülenmiştir. Çalışmanın ilk aşamasında PS, TiO2-PS, PS ve TiO2-PS nanofiberler olarak üç gruba ayrılan nanofiberlerinin çapını tahmin etmek için çok katmanlı algılayıcı (MLP) modeli kullanılmıştır. Uygulanan voltaj, akış hızı ve şırınga ucu-toplayıcı arasındaki uzaklık ve çözücü tipi parametreleri bağımsız değişkenler olarak giriş katmanları ve ölçülen fiber çapı bağımlı değişken olarak çıkış katmanı olacak şekilde değerlendirilmiştir. Genel veri setleri hazırlanmış ve YSA modelinin tahmin ettiği çıkış verileri farklı iterasyon ve nöron sayılarıyla aktivasyon fonksiyonları karşılaştırılarak regresyon (R) ve determinasyon (R2) katsayısı değerleri hesaplanmıştır. Eğitim, doğrulama ve test verilerinin sonuçlarına ait tüm regresyon katsayısı değerleri tüm nanofiber verileri doğrultusunda hesaplanmıştır. En yüksek R=0.92 ve R2=0.94 değerleri ile en düşük hata değerleri (MAE, MSE ve RMSE) TiO2-PS nanofiber verilerinden elde edilmiştir. Bununla beraber, hesaplaması yapılan tüm gruplardaki test çıktı değerlerin performans grafikleri, yapay sinir ağlarıyla MLP modelinde iyi uyum gösterdiği belirlenmiştir. Çalışmanın ikinci aşamasında fiber çapı verileri elde edilen tüm grupların nanofiber çapını tahmin etmek için Radyal tabanlı fonksiyon (RBF) modeli çalışılmıştır. Tüm gruplarda R=1 ve R2=1 değerleri farklı nöron ve yayılma (spread) sayılarında elde edilmiş ve en düşük hata değerleri TiO2-PS nanofiber verilerinden elde edilmiştir. Tüm gruplarda beklenen (gerçek) değerlerin performans grafikleri, yapay sinir ağlarıyla RBF modelinde tamamıyla uyum gösterdiği saptanmıştır. MLP ve RBF modelleri karşılaştırıldığında ise her iki modelin de tüm gruplardaki nanofiber tahmininde başarı sağladığı, ancak RBF modelinden elde edilen R ve R2 değerlerin daha yüksek ve hata değerlerinin ise daha düşük olduğu belirlenmiştir.
Özet (Çeviri)
Artificial neural networks (ANNs) have been used in the biomedical field and applications from past to present. The aim of this project is to examine the applicability of the artificial neural network model that can successfully predict the fiber size by defining the process parameters in the polystyrene (PS) and titanium dioxide (TiO2) PS (TiO2-PS) nanofiber production stage, which are also frequently used in the biomedical field. Nanofibers were produced by electro-spinning, which is one of the continuous nanofiber production methods. The morphological structures and dimensions of PS and TiO2-PS nanofibers were visualized by scanning electron microscopy. In the first stage of the study, the multilayer perception (MLP) model was used to estimate the diameter of the nanofibers divided into three groups as PS, TiO2-PS, PS and TiO2-PS nanofibers. The parameters of applied voltage, flow rate, distance between syringe tip-collector and solvent type were evaluated as the input layers as independent variables and the measured fiber diameter as the output layer as dependent variables. General data sets were prepared and the output data estimated by the ANN model was compared with the different iteration and number of neurons, and the regression (R) and determination (R2) coefficient values were calculated. All regression coefficient values of the results of training, validation and test data were calculated in line with all nanofiber data. The highest R=0.92 and R2=0.94 values and the lowest error values (MAE, MSE and RMSE) were obtained from the TiO2-PS nanofiber data. However, it was determined that the performance graphs of the test output values in all the calculated groups showed good agreement with the artificial neural networks in the MLP model. In the second stage of the study, the Radial basis function (RBF) model was studied to estimate the nanofiber diameter of all groups whose fiber diameter data were obtained. R=1 and R2=1 values in all groups were obtained with different neuron and spread numbers, and the lowest error values were obtained from TiO2-PS nanofiber data. It has been determined that the expected (actual) values in all groups are completely fitted with the performance graphs in the RBF model. When the MLP and RBF models were compared, it was determined that both models were successful in predicting nanofibers in all groups, but the R and R2 values obtained from the RBF model were higher and the error values were lower.
Benzer Tezler
- Nanocomposite scaffolds containing metal nanoparticles
Metal nanotanecik içeren nanokompozit yapı iskeleleri
AYŞEN AKTÜRK
Doktora
İngilizce
2020
Biyomühendislikİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLTEKİN GÖLLER
PROF. DR. MELEK MÜMİNE EROL TAYGUN
- Kinoksalin türevlerinin ve tiyokzanton içeren polistiren makrofoto başlatıcısı beraberinde nanokaplamaların hazırlanması
Preparation of nanocoatings in the presence of qunioxaline derivatives and polystyrene based thioxanthone polymeric photoinitiator
GAMZE ÖZBAY
- Yakıt hücrelerinde kullanmak üzere nanokompozit membran sentezi ve karakterizasyonu
Synthesis and characterization of nano composite membrane for the fuel cells
ALPAY ŞAHİN
Doktora
Türkçe
2013
Kimya MühendisliğiGazi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. İRFAN AR
- Hibrit perovskite güneş pillerinin geliştirilmesi
Development of hybrid perovskite solar cells
ADEM KARSLI
Doktora
Türkçe
2018
Fizik ve Fizik MühendisliğiYıldız Teknik ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. SERAP GÜNEŞ
- Fotokatalitik etki ile kendini temizleyen kumaş üretimi
Production of self cleaning fabrics via photocatalytic effect
ZEYNEP BATUR
Yüksek Lisans
Türkçe
2019
Mühendislik BilimleriBursa Uludağ ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HALİL İBRAHİM AKYILDIZ