Salvato in:
| Autore principale: | |
|---|---|
| Natura: | Artículo científico |
| Lingua: | es |
| Pubblicazione: |
Universidad Autónoma de Aguascalientes
2023
|
| Soggetti: | |
| Accesso online: | https://www.redalyc.org/articulo.oa?id=67477293011 https://www.redalyc.org/journal/674/67477293011/ https://www.redalyc.org/journal/674/67477293011/html/ https://www.redalyc.org/journal/674/67477293011/67477293011.epub https://www.redalyc.org/journal/674/67477293011/movil |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Sommario:
- Adsorción de metales pesados (Hg2+, Cu2+ y Ni2+) en NTC utilizando redes neuronales Feed forward backprop y Elman backprop Billy Alberto Ávila-Camacho Norma Aurea Rangel-Vázquez Multidisciplinarias (Ciencias Sociales) NTC Gaussian Hyperchem metales pesados Energía de Gibbs En el presente trabajo se estudiaron sistemas de adsorción mono y multicomponente de metales pesados (Hg2+, Cu2+ y Ni2+) como adsorbatos y nanotubos de carbono (NTC) como adsorbentes. Primero se determinaron las propiedades termodinámicas y QSAR a 298.15 y 30815K utilizando simulación computacional. Posteriormente, se desarrollaron redes neuronales artificiales Feedforward backprop y Elman backprop, en donde la red con mayor precisión de las propiedades termodinámicas y QSAR fue la Elman Backprop con la función Logsig utilizando 5 y 3 neuronas en la capa oculta a 298.15 y 308.15 K; por otro lado, las redes tuvieron una r2 de 0.999 y un error cuadrático medio de 0.021, 0.024 y 0.214, respectivamente. 2023 artículo científico 1665-4412 https://www.redalyc.org/articulo.oa?id=67477293011 https://www.redalyc.org/journal/674/67477293011/ https://www.redalyc.org/journal/674/67477293011/html/ https://www.redalyc.org/journal/674/67477293011/67477293011.epub https://www.redalyc.org/journal/674/67477293011/movil es http://www.redalyc.org/revista.oa?id=674 Investigación y Ciencia application/pdf Universidad Autónoma de Aguascalientes Investigación y Ciencia (México) Num.89 Vol.31