TY - JOUR ID - TI - Prediction of Corrosion Inhibitor Efficiency of Some Aromatic Hydrizdes and Schiff Bases Compounds by Using Artificial Neural Network AU - Hanan A. Radhy Al.Hazam حنان عبد الرضا الهزام PY - 2009 VL - IS - 34 SP - 297 EP - 302 JO - Iraqi National Journal Of Chemistry المجلة العراقية الوطنية لعلوم الكيمياء SN - 22236686 AB - Abstract Artificial neural networks are used for evaluating the corrosion inhibitor efficiency of some aromatic hydrazides and schiff bases compounds. The nodes of neural network input layer represent the quantum parameters, total negative charge (TNC) on molecule, energy of highest occupied molecular orbital (E Homo), energy of lowest unoccupied molecular orbital (E Lomo), dipole moment(μ), total energy (TE), molecular volume(V), dipolar-polarizability factor(Π) and inhibitor concentration (C). The neural network output is the corrosion inhibitor efficiency (E) for the mentioned compounds. The training and testing of the developed network are based on a database of 31 published experimental tests obtained by weight loss. The neural network predictions for corrosion inhibitor efficiency are more reliable than prediction using other conventional theoretical methods such as AM1, PM3, Mindo, and Mindo-3.

الخلاصة استخدمت تقنية الشبكة العصبية الصناعية في تقييم كفاءة تثبيط التاكل لبعض مركبات الهيدرازايد الاروماتية وقواعد شف . تضمنت عقد طبقة الادخال للشبكة معاملات كمية هي الشحنة السالبة الكلية (NTC) ،طاقة اعلى اوربيتال مملوء (اوربيتال هوموEH)،طاقة اوطا اوربيتال فارغ (اوربيتال لوموEL)،عزم ثنائي القطب (μ(،الطاقة الكلية (TE )،الحجم الجزيئي V ،عامل الاستقطاب (π)والتركيز المثبط C . بينما كانت عقد الطبقة الخارجية للشبكة تمثل كفاءةتثبيط التاكل (E) للمركبات المؤشرة اعلاه. واعتمد في تدريب واختيار الشبكة 31 قيمة عملية ناتجة من فقدان الوزن . ووجد من النتائج المستحصلة لكفاءة تثبيط التاكل ان تقنية الشبكة العصبية اكثر دقة من المحسوبة بالطرق النظرية الاخرى مثل Mindo3,Mindo,PM3,AMs. ER -