بررسی کارایی شبکه عصبی مصنوعی در مدلسازی فرایند حذف مالاشیت سبز با استفاده از پسماند چای و بررسی ایزوترم
Authors
Abstract:
آلودگی آب یکی از مشکلات مهم جوامع امروزی است و همزمان با پیشرفت جوامع بشری، این مشکل نیز افزایش مییابد. یکی از مهمترین آلایندهها، وجود رنگ در نمونههای آبی است. جذب سطحی یکی از موثرترین فرایندها برای حذف این دسته از آلایندهها است. در این پژوهش به بررسی فرایند و شرایط بهینه حذف رنگ مالاشیت سبز از محلولهای آبی توسط پسماند چای عطری دوغزال پرداخته شد. برای دستیابی به شرایط بهینه حذف آلاینده، پارامترهای غلظت اولیه محلول رنگ، جرم جاذب، مقدار pH اولیه محلول و مدت زمان تماس جاذب و رنگ در دمای آزمایشگاه مورد بررسی قرار گرفت. نتایج حاصل نشان داد که با افزایش جرم جاذب و همچنین کاهش غلظت اولیه رنگ، کارایی حذف آلاینده افزایش مییابد. همچنین مشاهده شد که در pH قلیایی، بازده حذف رنگ افزایش یافت و با افزایش مدت زمان تماس جاذب و رنگ، میزان حذف رنگ توسط جاذب از محیط آبی بیشتر شد. جذب رنگ مالاشیت سبز بر روی پسماند چای از مدل همدمای فروندلیچ پیروی میکند و بازده فرایند، بیش از 95 درصد است. بهمنظور مدلسازی فرایند از مدل شبکه عصبی مصنوعی استفاده شد که نتایج تجربی و نتایج حاصل از مدل شبکه عصبی مصنوعی مطابقت زیادی را نشان دادند و ضریب تعیین رگرسیون برابر با 9981/0 بهدست آمد. پسماند چای عطری دوغزال بهعنوان یک جاذب ارزان قیمت و در دسترس میتواند برای حذف آلایندههای آلی از محیطهای آبی بهکار برده شود. همچنین شبکه عصبی مصنوعی بهعنوان یک روش مناسب برای مدلسازی فرایند جذب میتواند مورد استفاده قرار گیرد.
similar resources
مدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی
مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...
full textکارایی روش پاسخ سطح در بهینه سازی حذف رنگزای مالاشیت سبز با استفاده از زئولیت طبیعی
در این تحقیق، زئولیت طبیعی به عنوان یک جاذب ارزان و موثر برای حذف رنگزای مالاشیت سبز مورد بررسی قرار گرفت. pH اولیه، مقدار زئولیت، غلظت اولیه رنگزا و زمان واکنش به عنوان متغیر های مستقل ورودی و بازده حذف رنگزا به عنوان تابع پاسخ در طراحی باکس بنکن در نظر گرفته شدند. نتایج نشان داد که مقادیر پارامترهای بهینه برای دستیابی به حداکثر بازده حذف رنگزا، pH اولیهی 9، مقدار جاذب 65/ 0 گرم، غلظت اول...
full textبررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دستهبندیشده
بار رسوب جریان، شاخص مفیدی در پیشبینی فرسایش خاک در حوزههای آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب میتواند در مدیریت و اجرای پروژههای آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دستهبندی دادهها بهعنوان راهکاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانههای خلیفهترخان و چهلگزی در حوضۀ قشلاق...
full textکارایی روش پاسخ سطح در بهینه سازی حذف رنگزای مالاشیت سبز با استفاده از زئولیت طبیعی
در این تحقیق، زئولیت طبیعی به عنوان یک جاذب ارزان و موثر برای حذف رنگزای مالاشیت سبز مورد بررسی قرار گرفت. ph اولیه، مقدار زئولیت، غلظت اولیه رنگزا و زمان واکنش به عنوان متغیر های مستقل ورودی و بازده حذف رنگزا به عنوان تابع پاسخ در طراحی باکس بنکن در نظر گرفته شدند. نتایج نشان داد که مقادیر پارامترهای بهینه برای دستیابی به حداکثر بازده حذف رنگزا، ph اولیهی 9، مقدار جاذب 65/ 0 گرم، غلظت اول...
full textبررسی میزان تأثیر پیش پردازش داده ها در دقت نتایج مدلسازی تولید پسماند شهری با استفاده از شبکه عصبی
تولید پسماند در جوامع بشری امری روزمره و طبیعی است. پسماند از مرحله تولید تا مرحله مصرف و مرحله دفع نهایی تولید شده و امری غیر قابل اجتناب است. توسعه شهرها و صنعتی شدن آنها باعث تولید روزافزون پسماند شهری میشوند. برای آگاهی از کمیت این پسماندها گامی ضروری است. در این پژوهش از شبکه عصبی مصنوعی به عنوان یک ابزار کارآمد برای مدلسازی میزان پسماند تولیدی شهر مشهد استفاده شدهاست. در این راستا ابتد...
full textمدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی
Accurate simulation runoff process can have a significant role in water resources management and related issues. The inherent complexity of this process makes difficult the use of physical and numerical models. In recent years, application of intelligent models is increased a powerful tool in hydrological modeling. The aim of this study was the application of the Gamma test to select the optim...
full textMy Resources
Journal title
volume 30 issue 6
pages 51- 62
publication date 2020-01-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023