این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۵۲، شماره ۱، صفحات ۱۳۱-۱۴۵
عنوان فارسی مدل‌سازی ریاضی ترانزیستور اثر میدان حساس یونی و بهینه‌سازی بر پایه شبیه‌سازی و فرامدل برای تشخیص آفلاتوکسین B۱
چکیده فارسی مقاله مدل‌سازی ریاضی ابزاری قدرتمند جهت پیش‌بینی پاسخ ترانزیستور اثرمیدان حساس به یون (ISFET) و بهینه‌سازی پارامترهای موثر بر عملکرد آن است. در این پژوهش مقادیر بهینه پارامترهای جریان درین، ولتاژ درین، غلظت اولیه سوبسترا و غلظت اولیه آنزیم به منظور به دست آوردن پاسخ ماکزیمم ISFET در تشخیص آفلاتوکسین B1 (AFB1) تعیین شدند. بهینه‌سازی با به‌کارگیری الگوریتم ژنتیک و بر پایه حل عددی معادله‌های دیفرانسیل حاکم ISFET به روش المان محدود در نرم‌افزار کامسول انجام شد. تابع هدف مورد استفاده در الگوریتم ژنتیک نیز با جایگزینی مدل شبیه‌سازی شده توسط فرامدل شبکه عصبی مصنوعی تعریف شد. نتایج به‌دست آمده نشان داد مدل شبیه‌سازی شده ISFET با استفاده از روش المان محدود در مقایسه با آزمایش تجربی، دارای میانگین درصد خطای مطلق (MAPE) برابر با 06/1 درصد در پیش‌بینی پاسخ ISFET است. با استفاده از مدل المان محدود، 1296 آزمایش برای دست‌یابی به پایگاه داده مورد نیاز جهت آموزش شبکه عصبی شبیه‌سازی شد. پس از ارزیابی ساختار‌های مختلف شبکه عصبی مشخص شد شبکه عصبی آموزش دیده با ساختار (4-45-1) دارای میانگین درصد خطای مطلق (MAPE) برابر با 04/0، 07/0 و 05/0 درصد به ترتیب در فازهای آموزش، اعتبارسنجی و آزمایش است. نتایج بهینه‌سازی ISFET نشان داد با استفاده از مقادیر بهینه پارامتر‌های جریان درین، ولتاژ درین، غلظت اولیه سوبسترا و غلظت اولیه آنزیم تعیین شده توسط الگوریتم ژنتیک حداکثر پاسخ ISFET برابر با 440/44 درصد به‌دست آمده است.
کلیدواژه‌های فارسی مقاله ISFET،الگوریتم ژنتیک،المان محدود،شبکه عصبی مصنوعی،مدل‌سازی ریاضی،
عنوان انگلیسی Mathematical Modeling of Ion Sensitive Field Effect Transistor and Metamodel Based Optimization Simulation for Detection of Aflatoxin B1
چکیده انگلیسی مقاله Mathematical modeling is a powerful tool for prediction of Ion Sensitive Field Effect Trnsistor (ISFET) response and optimization of its functional parameters. In this study the optimal values of drain current, drain voltage and initial concentrations of substrate and enzyme parameters were determined to achieve maximum of ISFET response for detection of Aflatoxin B1 (AFB1). Optimization was performed by using Genetic Algorithm (GA) and based on numerical solution of ISFET governing differential equations by means of Finite Element Method (FEM) and COMSOL Multiphysics software. The objective function of GA was defined through substituting simulated model by Artificial Neural Network (ANN) metamodel. The results showed that ISFET simulated FEM model has a MAPE equal to 1.06 % in prediction of ISFET response compared with experimental results. With FEM model, 1296 virtual experiments were simulated to achieve necessary data base for train ANN metamodel. By evaluation of different ANN structures, trained ANN with 4-45-1 structure was selected which has MAPE equal to 0.04 %, 0.07% and 0.05% at train, validation and test phase respectively. ISFET optimization results states that by using of GA determined optimal values of drain current, drain voltage and initial concentrations of substrate and enzyme parameters, extremum response of ISFET equal to 44.44 % was achieved. 
کلیدواژه‌های انگلیسی مقاله ISFET,الگوریتم ژنتیک,المان محدود,شبکه عصبی مصنوعی,مدل‌سازی ریاضی
نویسندگان مقاله سید جواد سجادی |
گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

سلیمان حسین پور |
گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

شاهین رفیعی |
گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.

نشانی اینترنتی https://ijbse.ut.ac.ir/article_81332_35ee4f3eaa6cdc1f2c3ebccf88d542b9.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات