使用人工神经网络的基于电的聚乙醇 (PVA) 纳米纤维直径的预测模型
Kamran-Ul-Haq Khan1, Imran Ahmad Siddiqui2
1Department of Physics, University of Karachi, Karachi, Pakistan. kamranulhaq@uok.edu.pk.
Scientific reports
|July 2, 2025
概括
这项研究开发了一种人工神经网络模型,用于预测电回旋过程中的聚乙烯醇 (PVA) 纳米纤维直径. 该模型根据关键过程参数准确预测纤维直径.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术纳米技术
- 计算机建模 计算建模
背景情况:
- 电是一种生产聚合物纳米纤维的多功能技术.
- 控制纳米纤维直径对于定制材料特性至关重要.
- 预测建模可以优化电自旋参数,以获得所需的结果.
研究的目的:
- 使用人工神经网络 (ANN) 开发聚乙醇 (PVA) 纳米纤维直径的预测模型.
- 为了确定影响PVA纳米纤维直径的关键电参数.
- 为了确定最佳的ANN架构,以准确地预测直径.
主要方法:
- 人工神经网络 (ANN) 用于建模电过程.
- 分析的关键变量包括电场,聚合物度,注射速率和喷嘴-采集器距离.
- 评估了各种单层和双层隐藏层的ANN拓,以找到最佳的架构.
主要成果:
- 一个ANN配置的5-9-1展示了强大的预测能力为PVA纳米纤维直径.
- 开发的模型显示了与实验数据的高相关性 (R2 ≈ 0.973).
- 实现了0.06的低平均绝对误差,表明模型的准确性.
结论:
- ANNs提供了一个强大的工具,用于预测PVA纳米纤维直径在电.
- 该模型有效地捕捉了工艺参数和纤维直径之间的关系.
- 这种预测能力可以帮助优化特定应用的电.


