استفاده از شبکه های عصبی مصنوعی (ANN )در مدلسازی جذب بیولوژیکی فلز کروم (VI )از محلولهای آبی

دانلودمقاله استفاده از شبکه های عصبی مصنوعی (ANN )در مدلسازی جذب بیولوژیکی
فلز کروم (VI )از محلولهای آبی

در این تحقیق میزان حذف فلز کروم شش ظرفیتی  از محلولهای آبی با استفاده از جاذب بیولوژیکی لجن دفعی فاضلابهای شهری مطالعه شد. همچنین کارایی شبکه های عصبی در پیش بینی جذب بیولوژیکی مورد بررسی قرار گرفت

روش بررسی: تاثیر پارامترهای غلظت اولیه، دز جاذب، pH ،سرعت و زمان اختلاط در راکتور ناپیوسته بر جذب کروم بررسی و قسمتی از نتایج آزمایشگاهی توسط شبکه عصبی پس انتشار پیش خور مدلسازی شد و بخش دیگری از نتایج برای سنجش دقت مدل شبیه سازی شد. بهینه سازی تابع انتقال و تعداد نورونهای اولیه مخفی انجام شد. یافته ها: شرایط بهینه در غلظت اولیه L/mg 90 ،دز جاذب L/g 4 ،pH معادل ۲ ،سرعت اختالط rpm 200 و زمان اختلاط min 120 حاصل شد و حداکثر میزان حذف ۹۶ %و حداکثر ظرفیت جذب g/mg 69/41 بدست آمد. سینتیک جذب کروم با مدل شبه مرتبه دوم و ایزوترم جذب آن با مدل فروندلیچ تطابق دارد. در شبکه عصبی طراحی شده بهترین تابع انتقال در لایه های مخفی و خروجی تابع تانژانت سیگموئید و تعداد نورون بهینه برابر ۱۳ عدد تعیین شد. خروجی مدل با بردار هدف همبستگی (۹۸۴/۰=R )مناسبی دارد. شبیه سازی انجام شده با مدل شبکه عصبی، تطابق مناسبی با نتایج آزمایشگاهی دارد. نتیجه گیری: لجن دفعی مورد استفاده در این تحقیق قادر به حذف کروم از محیطهای آبی است. استفاده از شبکه عصبی پسانتشار، تابع آموزش Marquardt-Levenberg ،تابع انتقال تانژانت سیگموئید در لایه های مخفی و خروجی و تعداد نورونهای بین ۶/۱ تا ۸/۱ دادههای ورودی، نتایج مناسبی برای پیش بینی فرایند جذب در پی خواهد داشت.

Button