تخمین کمی درصد عناصر تشکیل دهنده سیمان بر مبنای آنالیز فعالسازینوترونی با استفاده از شبکه عصبی مصنوعی

کنترل درصد عناصر سیمان در فرایند تولید انواع مختلف آن و همچنین در بخش کنترل کیفیت در یک کارخانه سیمان به منظور ارزیابیآنها برای استفاده به عنوان مصالح ساختمانی نقش مهمی دارد. آنالیز فعالسازی نوترونی دقیق ترین روش برای آنالیز کمی و کیفی عناصرمی باشد. در این مقاله از کد MCNPX برای شبیه سازی طیف گاماهای تأخیری گسیل شده از هسته های ناپایدار استفاده شد. چهار قلهی مشخصه گامای تأخیری مربوط به Ca ، Si ، Al و Fe به عنوان ورودی برای اعمال به شبکه عصبی مصنوعی به منظور تخمین کمیعناصر سیمان استخراج شد. این مشخصه ها توسط شبکه عصبی پرسپترون چند لایه برای پیدا کردن دقیق درصد عناصر اصلی سیمانمورد بررسی قرار گرفتند. درصد خطای مطلق میانگین خروجی های شبکه که در این کار بدست آمد کمتر از 4.0 درصد می باشند