با توجه به خاصیت غیر خطی فرآیند خوردگی، استفاده از روش‌های جدید جهت پیش‌بینی این فرآیند در حال گسترش است. مدل شبکه عصبی مصنوعی ابزاری جهت پیش‌بینی مقادیر مجهول در محدوده آزمایش نشده متغیرها، با دقت بالا می‌باشد. در این رهیافت با در دست داشتن تعداد محدودی از داده‌های ورودی، خروجی مطلوب با دقت بسیار خوبی پیش‌بینی می‌شود. در این مقاله، ابتدا با بکارگیری روش امپدانس الکتروشیمیایی اثر زمان ماندگاری، شرایط هیدرودینامیک و دما بر عملکرد بازدارندگی 7-هیدروکسی فنوکسازون روی خوردگی فولاد در محیط اسیدکلریدریک یک مولار مورد بررسی قرار گرفت. در ادامه پارامترهای متغیر تجربی شامل غلظت، زمان ماندگاری، دما و سرعت چرخش به عنوان متغیرهای ورودی و بازدهی بازدارندگی خوردگی به عنوان خروجی مدل شبکه عصبی در نظر گرفته شد. نتایج نشان داد، با افزایش زمان ماندگاری تا 8 ساعت مقاومت پلاریزاسیون در غلظت ppm100 از این ماده، از 1660 به 2260 اهم سانتی متر مربع افزایش یافته و بازدهی به 91 درصد رسیده است. همچنین، بازدهی این ماده با افزایش سرعت چرخش نمونه تا rpm 500 و افزایش دمای محلول تا 55 درجه سانتی گراد، از %6/86 به ترتیب به 24 و 60 درصد تقلیل یافت. نتایج پیش‌بینی شبکه عصبی توافق خوبی با داده‌های تجربی نشان داده و مقادیر آموزش‌یافته شبکه عصبی مصنوعی با خطای میانگین کمتر از 1% میزان بازدارندگی را پیش-بینی نمودند.
کلمات کلیدی: شبکه عصبی مصنوعی، بازدارندگی، 7- هیدروکسی فنوکسازون، طیف سنجی امپدانس الکتروشیمیایی