دوره 16، شماره 1 - ( 1-1405 )
جلد 16 شماره 1 صفحات 118-99 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Baghdadi F, Zendehdel R, Panjali Z, Hajighasemkhan A. Prediction of Mineral Oil Concentrations Using Fourier Transform Infrared (FTIR) and Modeling Methods. J Health Saf Work 2026; 16 (1) :99-118
URL: http://jhsw.tums.ac.ir/article-1-7307-fa.html
URL: http://jhsw.tums.ac.ir/article-1-7307-fa.html
بغدادی فاطمه، زنده دل رضوان، پنجعلی زهرا، حاجی قاسمخان علیرضا. بکارگیری روشهای مدلسازی در پیش بینی نتایج آنالیز روغنهای معدنی باروش مادون قرمز با تبدیل فوریه (FTIR). بهداشت و ایمنی کار. 1405; 16 (1) :99-118
فاطمه بغدادی1 
، رضوان زنده دل1 ، زهرا پنجعلی2 ، علیرضا حاجی قاسمخان*3
، رضوان زنده دل1 ، زهرا پنجعلی2 ، علیرضا حاجی قاسمخان*3
1- گروه مهندسی بهداشت حرفهای و ایمنیکار، دانشکده بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
2- مهندسی بهداشت حرفهای و ایمنیکار، دانشکده بهداشت، دانشگاه علوم پزشکی آزاد اسلامی ایران، تهران، ایران
3- گروه مهندسی بهداشت حرفهای و ایمنیکار، دانشکده بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران ،hajighasemkhan@sbmu.ac.ir
2- مهندسی بهداشت حرفهای و ایمنیکار، دانشکده بهداشت، دانشگاه علوم پزشکی آزاد اسلامی ایران، تهران، ایران
3- گروه مهندسی بهداشت حرفهای و ایمنیکار، دانشکده بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران ،
چکیده: (78 مشاهده)
مقدمه: روغنهای معدنی، بهعنوان یکی از اجزای مهم مایعات فلزکاری، در فرآیندهای صنعتی بهصورت آئروسل در محیط کار منتشر شده و با ورود از طریق استنشاق به بدن، خطرات جدی مانند سرطان حنجره، آسم، و سرطان ریه ایجاد میکنند. روش NIOSH 5026 با استفاده از اسپکتروفتومتری FTIR به ارزیابی میزان مواجهه با روغنهای معدنی میپردازد. با این حال، ترکیبات شیمیایی متنوع این روغنها باعث تداخلات گسترده در طیف FTIR میشود. در این مطالعه از دو روش مدلسازی حداقل مربعات جزئی (PLS) و شبکههای عصبی مصنوعی (ANN) برای پیشبینی صحیح غلظت مواجههی تنفسی با روغنهای معدنی استفاده شد.
روش کار: دادهها از طیف FTIR در بازه 1500-4000 cm⁻¹ استخراج و در 701 عدد موجی ثبت شد. ماتریس طیف (X) بهعنوان ورودی و ماتریس غلظت روغن معدنی (Y) بهعنوان خروجی برای مدلسازی PLS و ANN در نظر گرفته شد. عملکرد مدلها براساس خطای جذر میانگین مربعات (RMSEp) مقایسه شد.
یافته ها: در مدل PLS، ضریب رگرسیون 9188/0 و میانگین خطا 792/4 محاسبه شد. در مقابل، مدل ANN با استفاده از کمتر از 11 لایه پنهان و 15% دادهها برای اعتبارسنجی، به RMSEp معادل 0036/0 و میانگین خطای 3.01% دست یافت. همچنین، ANN در مقایسه با PLS دقت بالاتری در تخمین غلظت نمونههای آزمایشی نشان داد.
نتیجه گیری: مدلسازی به روش ANN امکان پیشبینی دقیق غلظت روغنهای معدنی را علیرغم تداخلات طیفی فراهم میکند. در حالی که هر دو مدل ANN و PLS عملکرد مناسبی داشتند، روش ANN به دلیل دقت بالاتر و خطای کمتر، برتری بیشتری در پیشبینی غلظت نشان داد.
روش کار: دادهها از طیف FTIR در بازه 1500-4000 cm⁻¹ استخراج و در 701 عدد موجی ثبت شد. ماتریس طیف (X) بهعنوان ورودی و ماتریس غلظت روغن معدنی (Y) بهعنوان خروجی برای مدلسازی PLS و ANN در نظر گرفته شد. عملکرد مدلها براساس خطای جذر میانگین مربعات (RMSEp) مقایسه شد.
یافته ها: در مدل PLS، ضریب رگرسیون 9188/0 و میانگین خطا 792/4 محاسبه شد. در مقابل، مدل ANN با استفاده از کمتر از 11 لایه پنهان و 15% دادهها برای اعتبارسنجی، به RMSEp معادل 0036/0 و میانگین خطای 3.01% دست یافت. همچنین، ANN در مقایسه با PLS دقت بالاتری در تخمین غلظت نمونههای آزمایشی نشان داد.
نتیجه گیری: مدلسازی به روش ANN امکان پیشبینی دقیق غلظت روغنهای معدنی را علیرغم تداخلات طیفی فراهم میکند. در حالی که هر دو مدل ANN و PLS عملکرد مناسبی داشتند، روش ANN به دلیل دقت بالاتر و خطای کمتر، برتری بیشتری در پیشبینی غلظت نشان داد.
نوع مطالعه: مروری |
موضوع مقاله:
عوامل زیان آور شیمیایی و تهویه محیط کار
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
