بهینه سازی فرایند جذب سطحی رنگ دی سولفین بلو توسط نانوذره ZnO-Cr نشانده شده برروی کربن فعال با استفاده از روش پاسخ سطح و مدل سازی با کمک شبکه عصبی مصنوعی

در این پژوهش از جاذب نانوذره ZnO-Cr  نشانده شده بر کربن فعال به منظور حذف رنگ دی سولفین بلو استفاده شده و سپس با کمک شبکه عصبی مصنوعی میزان حذف آن را پیش ­بینی شد. اثر پارامترهای گوناگون شامل pH، مقدار جاذب، غلظت رنگ­ ها و زمان به ­هم خوردن روی درصد حذف به روش فناوری­ های طراحی آزمایش مورد بررسی و بهینه شد. همچنین مدل­ های سینتیکی و هم ­دماهای جذبی و همچنین پارامترهای ترمودینامیکی مورد بررسی، و قابلیت استفاده آن ­ها در شرایط بهینه ارزیابی شد. پس از تجزیه و تحلیل نتیجه­ ها و مقایسه نقطه­ های بهینه آن ­ها برای جاذب نانوذره ZnO-Cr  نشانده شده بر کربن فعال درصد حذف رنگ دی سولفین بلو 70/98 درصد به دست آمد. در پایان، فرایند جذب به وسیله­ی شبکه عصبی مصنوعی مدل ­سازی شد که در این مطالعه پارامترهای زمان، مقدار جاذب، pH و غلظت رنگ به عنوان ورودی­ های شبکه، و درصد حذف رنگ به عنوان هدف شبکه در نظر گرفته شد. برای مدل ­سازی فرایند حذف بالا به روش شبکه عصبی مصنوعی، 15 نورون  برای حذف رنگ دی سولفین بلو به عنوان نورون بهینه در این مدل انتخاب شد. همچنین میانگین مربع­ های خطا در نورون بهینه برای حذف توسط جاذب نانوذره ZnO-Cr، 10-5×17/7 به دست آمد که عددی نزدیک به صفر است. با توجه به مقدارهای میانگین خطای مطلق محاسبه شده در مدل شبکه عصبی مصنوعی و پاسخ سطح نتیجه ­ها بیانگر آن است که شبکه عصبی مصنوعی در تطابق با داده ­های تجربی نسبت به روش پاسخ سطح قادر به مدل سازی بهتری است.