KẾT QUẢ BAN ĐẦU TRONG VIỆC ỨNG DỤNG MÔ PHỎNG MONTE CARLO VÀ MÔ HÌNH MẠNG NƠRON NHÂN TẠO ĐỂ XÁC ĐỊNH NỒNG ĐỘ DUNG DỊCH BAZƠ DỰA TRÊN KĨ THUẬT ĐO GAMMA TRUYỀN QUA
Tóm tắt
Nghiên cứu đề xuất sử dụng dữ liệu mô phỏng Monte Carlo kết hợp với mạng nơron nhân tạo để xác định nồng độ phần trăm của dung dịch bazơ dựa trên kĩ thuật đo gamma truyền qua. Dữ liệu mô phỏng được dùng để đánh giá mối liên hệ giữa tỉ số truyền qua R (tỉ số diện tích đỉnh của truyền qua của dung dịch và nước cất) và nồng độ phần trăm của dung dịch bazơ ứng với các năng lượng trong khoảng từ 60 keV đến 662 keV. Độ suy giảm trung bình của tỉ số R khi nồng độ dung dịch tăng từ 1% tới 50% lớn nhất là 0,0063 tại 60 keV và nhỏ nhất là 0,0024 tại 662 keV. Kết quả thu được chỉ ra rằng độ nhạy của phép đo lớn hơn khi sử dụng chùm tia năng lượng thấp. Mô hình mạng nơron nhân tạo được huấn luyện dựa trên dữ liệu mô phỏng để dự đoán nồng độ của dung dịch. Kết quả dự đoán của mô hình cho thấy cách tiếp cận đề xuất trong nghiên cứu là khả thi với độ lệch tương đối giữa nồng độ dự đoán từ mô hình và nồng độ kiểm chứng là dưới 5% trong khoảng giá trị nồng độ từ 4% đến 50%. Các kết quả ban đầu này là cơ sở để xây dựng phương pháp phân tích không hủy mẫu hiệu quả để xác định nồng độ của dung dịch bazơ.
Từ khóa
Toàn văn:
PDFTrích dẫn
Huynh, D. C., Nguyen, T. H. Y., Nguyen, T. M. L., & Hoang, D. T. (2020). Determining the density of liquid using gamma scattering method. Applied Radiation and Isotopes, 163, Article 109197. https://doi.org/10.1016/j.apradiso.2020.109197
Huynh, D. C., Truong, T. S., & Hoang, D. T. (2021a). Monte Carlo simulation combined with experimental measurements based on gamma transmission technique for determining the density of liquid. Radiation Physics and Chemistry, 179, Article 109216. https://doi.org/10.1016/j.radphyschem.2020.109216
Huynh, D. C., Truong, T. S., Le, T. N. T., Nguyen, T. T. L., & Hoang, D. T. (2021b). The first result in the determination of the percentage concentration of sulfuric acid solution based on the gamma transmission technique with an energy of 662 keV. VNUHCM Journal of Natural Sciences, 5(2), 1179-1188. https://doi.org/https://doi.org/10.32508/stdjns.v5i2.1010
Goorley, T., James, M., Booth, T., Brown, F., Bull, J., Cox, L. J., Durkee, J., Elson, J., Fensin,. M., Forster, R. A., Hendricks, J., Hughes, H. G., Johns, R., Kiedrowski, B., Martz, R., Mashnik, S., McKinney, G., Pelowitz, D., Prael, R., Sweezy, J., Waters, L., Wilcox, T., & Zukaitis, T. (2014). Features of MCNP6. In SNA+ MC 2013-Joint International Conference on Supercomputing in Nuclear Applications+ Monte Carlo (pp. 06011). EDP Sciences. https://doi.org/10.1016/j.anucene.2015.02.020
Green, D. W., & Southard, M. Z. (2019). Perry's chemical engineers' handbook. McGraw-Hill Education.
Pierre, D. (2019). Acid-Base Titration. Undergraduate Journal of Mathematical Modeling: One+ Two, 10(1), Article 8. https://doi.org/10.5038/2326-3652.10.1.4913
Priyada, P., Margret, M., & Ramar, R. (2012). Intercomparison of gamma ray scattering and transmission techniques for fluid–fluid and fluid–air interface levels detection and density measurements. Applied Radiation and Isotopes, 70(3), 462-469. https://doi.org/10.1016/j.apradiso.2011.10.019
Hoang, D. T., Huynh, D. C., Tran, T. T., & Chau, V. T. (2016). A study of the effect of Al2O3 reflector on response function of NaI (Tl) detector. Radiation Physics and Chemistry, 125, 88-93. https://doi.org/10.1016/j.radphyschem.2016.03.020
Hoang, D. T., & Nguyen, T. M. L (2018). An improved method for liquid density measurement using NaI (Tl) detector and low-strength source. Journal of Radioanalytical and Nuclear Chemistry, 317, 161-168. https://doi.org/10.1007/s10967-018-5878-1
Nguyen, T. H., Dang, H. A., Truong, T. S., Tran, T. M. D, Nguyen, T. D, Lam, D. N. & Hoang, D. T. (2020). Determining the density of acid using the calibration curve constructed by Monte Carlo simulation data. Ho Chi Minh City University Journal of Science, 17(12), Article 2219. https://doi.org/10.54607/hcmue.js.17.12.2874(2020)
Vasilev, I., Slater, D., Spacagna, G., Roelants, P., & Zocca, V. (2019). Python Deep Learning: Exploring deep learning techniques and neural network architectures with Pytorch, Keras, and TensorFlow. Packt Publishing Ltd.
Ménesguen, Y., & Lépy, M. C. (2021). COLEGRAM, a flexible user-friendly software for processing of ionizing radiation spectra. Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment, 1003, Article 165341. https://doi.org/10.1016/j.nima.2021.165341
Berger, M. J., Hubbell, J. H., Seltzer, S. M., Chang, J., Coursey, J. S., Sukumar, R., Zucker, D. S., & Olsen, K. (2010). XCOM: Photon Cross Sections Database. Physical Measurement Laboratory, NIST. https://dx.doi.org/10.18434/T48G6X
Tondon, A., Singh, M., Sandhu, B. S., & Singh, B. (2017). A Compton scattering technique for concentration and fluid-fluid interface measurements using NaI (Tl) detector. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms, 403, 21-27. https://doi.org/10.1016/j.nimb.2017.04.080
Salgado, C. M., Brandão, L. E. B., Conti, C. C., & Salgado, W. L. (2016). Density prediction for petroleum and derivatives by gamma-ray attenuation and artificial neural networks. Applied Radiation and Isotopes, 116, 143-149. https://doi.org/10.1016/j.apradiso.2016.08.001
Truong, T. S., Dang, H. A., Huynh, D. C., Nguyen, T. H., Lam D. N., Nguyen T. K. A., Tran, T. M. D., & Hoang, D. T. (2021a). ANN coupled with Monte Carlo simulation for predicting the concentration of acids. Applied Radiation and Isotopes, 169, Article 109563. https://doi.org/10.1016/j.apradiso.2020.109563
Truong, T. S., Huynh, D. C. & Hoang, D. T. (2021b). An artificial neural network based approach for estimating the density of liquid applied in gamma transmission and gamma scattering techniques. Applied Radiation and Isotopes, 169, Article 109570. https://doi.org/10.1016/j.apradiso.2020.109570
DOI: https://doi.org/10.54607/hcmue.js.21.1.3925(2024)
Tình trạng
- Danh sách trống