بررسی کارایی شبکه عصبی مصنوعی در مدلسازی فرایند حذف مالاشیت سبز با استفاده از پسماند چای و بررسی ایزوترم
نویسندگان
چکیده مقاله:
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.
منابع مشابه
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...
متن کاملکارایی 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...
متن کاملبررسی 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...
متن کاملکارایی 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...
متن کاملبررسی 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...
متن کاملمدل 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 30 شماره 6
صفحات 51- 62
تاریخ انتشار 2020-01-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023