Forecasting of Ra(226), Th(232) and U(238)  Concentrations using  Artificial Neural Networks (ANNs)

Sevim BİLİCİ; Miraç KAMIŞLIOĞLU; Ahmet BİLİCİ; Fatih KÜLAHCI

doi:https://doi.org/10.17776/csj.359924

Makale detayları

Forecasting of Ra(226), Th(232) and U(238) Concentrations using Artificial Neural Networks (ANNs)

Yazarlar:

Sevim BİLİCİ | Miraç KAMIŞLIOĞLU | Ahmet BİLİCİ | Fatih KÜLAHCI

Ana Başlıklar:

Astronomi ve ilgili bilimler

Dergi:

Cumhuriyet Science Journal 2018 Vol.39 Issue 1, pp.87-94

Belge Tipi:

Makale

Yayın Tarihi:

3/2018

Belge Dili:

İngilizce

Document ID (Org No.):

2000920843

DOI:

https://doi.org/10.17776/csj.359924

Anahtar kelimeler:

Özet:

 


Identification and modeling of radioactive
concentrations in a region is very important for the region in terms of
radiological hazards. Artificial Neural Network (ANN) can successfully model
large systems. The validity of the
model was tested by entering the data of the proposed ANN model that had never
been entered into the system. In this research, average activity
concentrations of 226Ra, 232Th
and 238U in the water samples collected from the lake are 1.439 Bql-1, 4.508 Bql-1 and
14.682   Bql-1, respectively. The
characteristics of the study area are also determined with the spatial maps and
ANNs are used to prediction and modeling of the radionuclides. The mean square
errors for the obtained results are less than 1.5%. The correlation coefficient close to +1 indicates
the validity of the model for this study.

.

 


Bir bölgedeki radyoaktif çekirdek
konsantrasyonlarının belirlenmesi ve modellenmesi radyolojik tehlikeler
açısından bölge için oldukça önemlidir. ANN büyük verilere sahip sistemleri
başarılı şekilde modelleyebilir. Önerilen ANN modelinin sisteme daha önce hiç girilmemiş
verileri girilerek modelin geçerliliği test edildi. Bu çalışmada, çalışma
alanından toplanan su örneklerindeki ortalama aktivite konsantrasyonları 226Ra, 232Th ve 238U çekirdekleri için sırasıyla
1.439 Bql-1, 4.508 Bql-1 ve
14.682 Bql-1 dir. Çalışma alanın karakteristikleri de belirlendi ve
226Ra, 232Th
ve 238U radyoaktif
çekirdek konsantrasyonlarının tahmini ve modellemesi için Yapay Sinir Ağları
(YSA) kullanıldı. Elde edilen sonuçlara ait ortalama kare hatalar 1,5 tan
azdır. Korelasyon katsayısının da +1 e yakın çıkması modelin geçerliliğinin bu
çalışma için uygunluğunu göstermektedir.

.

Makale detayları

Forecasting of Ra(226), Th(232) and U(238) Concentrations using Artificial Neural Networks (ANNs)

Yazarlar:

Sevim BİLİCİ | Miraç KAMIŞLIOĞLU | Ahmet BİLİCİ | Fatih KÜLAHCI

Ana Başlıklar:

Astronomi ve ilgili bilimler

Dergi:

Cumhuriyet Science Journal 2018 Vol.39 Issue 1, pp.87-94

Belge Tipi:

Makale

Yayın Tarihi:

3/2018

Belge Dili:

İngilizce

Document ID (Org No.):

2000920843

DOI:

https://doi.org/10.17776/csj.359924

Doğal Radyoaktivite

Taşınım

Dağılım

Radyum

Toryum

Uranyum

Modelleme

Tahmin

Yapay Sinir Ağı

Sayı

Makale detayları

Yazarlar: Sevim BİLİCİ | Miraç KAMIŞLIOĞLU | Ahmet BİLİCİ | Fatih KÜLAHCI

Ana Başlıklar: Astronomi ve ilgili bilimler

Dergi: Cumhuriyet Science Journal 2018 Vol.39 Issue 1, pp.87-94

Belge Tipi: Makale

Yayın Tarihi: 3/2018

Belge Dili: İngilizce

Document ID (Org No.): 2000920843

DOI: https://doi.org/10.17776/csj.359924

Sayı

Yazarlar:

Sevim BİLİCİ | Miraç KAMIŞLIOĞLU | Ahmet BİLİCİ | Fatih KÜLAHCI

Ana Başlıklar:

Astronomi ve ilgili bilimler

Dergi:

Cumhuriyet Science Journal 2018 Vol.39 Issue 1, pp.87-94

Belge Tipi:

Makale

Yayın Tarihi:

3/2018

Belge Dili:

İngilizce

Document ID (Org No.):

2000920843

DOI:

https://doi.org/10.17776/csj.359924