کاربرد شبکه های عصبی مصنوعی در مدل سازی احیاء فتوکاتالیزوری Cr(VI) توسط نانوذرات تیتانیوم دی‌ اکسید: بهینه‌سازی ساختار شبکه عصبی مصنوعی

نویسندگان

  • بهنژادی, محمدعلی گروه شیمی، دانشکده علوم پایه، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
  • صابونیان, مریم گروه شیمی، دانشکده علوم پایه، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
چکیده مقاله:

Background and Objective: Chromium is present in two oxidation forms of Cr(III) and Cr(VI). Cr(III) is less toxic than Cr(VI). The aim of this article was to optimize an artificial neural network structure in modeling the photocatalytic reduction of Cr(VI) by TiO2-P25 nanoparticles. Materials and Methods: In this work, an artificial neural network (ANN) for the modeling photocatalytic reduction Cr(VI) by TiO2-P25 nanoparticles were used and its structure was optimized. The operating parameters were initial concentration of chromium, amount of photocatalyst, ultraviolet light irradiation time and pH. All the experiments were conducted in a batch photoreactor. The Cr(VI) concentration was measured with a UV/Vis spectrophotometer. ANN calculations were performed using Matlab 7 software and the ANN toolbox. Results: The results show that the optimization of the ANN structure and the use of an appropriate algorithm and transfer function could significantly improve performance. The proposed neural network in modeling the photoactivity of TiO2-P25 nanoparticles in reducing Cr(VI) was acceptable, based on a good correlation coefficient (0.9886) and a small mean square error (0.00018). All the input variables affected the reduction of Cr(VI), however the effect of pH with an impact factor of 34.15 % was more significant than the others. The results indicated that pH = 2 was the best pH for photocatalytic reduction of Cr(VI). Increasing photocatalyst dosage and irradiation time in the investigated range increased Cr(VI) photocatalytic reduction. Conclusion: Optimized structure of the ANN includes a three-layer feed-forward back propagation network with 4:10:1 topology and the most appropriate algorithm is a scaled conjugate gradient backpropagation algorithm.  

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

کاربرد شبکه عصبی مصنوعی در حسابرسی

چکیده بسیاری از فرآیندهای حسابرسی به سرعت در حال تغییرند. یکی از مسایل مهم حسابرسی این است که چگونه فناوری اطلاعات بر فرآیند حسابرسی ومهارت‏های حسابرسی تأثیر می‏گذارد. حسابرسان باید از آمادگی‏های لازم برای فعالیت در این محیط جدید برخورار باشند. یافته‏های تازه در قلمرو فناوری اطلاعات و ارتباطات، حسابرسان را در نظارت و کنترل عملیات شرکت صاحب‎کار یاری می‏رسانند از جمله امکاناتی که در این محیط جدید...

متن کامل

کاربرد مدل شبکه عصبی مصنوعی در پهنه‌بندی خطر زمین‌لغزش

ین‌لغزش به­عنوان یکی از مخاطرات طبیعی در مناطق کوهستانی محسوب می‌شود که هر ساله منجر به خسارات زیادی می‌شود. حوضه آبریز دوآب الشتر با داشتن چهره‌ای کوهستانی و مرتفع و شرایط طبیعی مختلف دارای استعداد بالقوه زمین‌لغزش است. هدف از این تحقیق پهنه‌بندی خطر زمین‌لغزش با استفاده از مدل شبکه عصبی مصنوعی در حوضه دوآب الشتر می‌باشد. بدین منظور ابتدا پزمارامترهای مؤثر در وقوع زمین‌لغزش استخراج و سپس لایه‌...

متن کامل

کاربرد شبکه های عصبی مصنوعی در تصمیم گیری راهبردی

در این مقاله سعی شده است علاوه بر ارایه مطالب جدید در زمینه شبکه های عصبی مصنوعی، کاربرد آن در تصمیم گیری راهبردی مدیران ارایه شود. در اینجا شبکه های عصبی مصنوعی برای اجرای یک مدول تصمیم در چارچوب تصمیم گیری راهبردی مورد بررسی قرار گرفته است. این مقاله چگونگی بکارگیری و پذیرش شبکه های عصبی در چارچوب تصمیم گیری راهبردی را توصیف می کند. در بخش اول مختصری از ادبیات شبکه های عصبی مصنوعی و در بخش دو...

متن کامل

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

متن کامل

منابع 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 11  شماره 2

صفحات  183- 196

تاریخ انتشار 2018-09

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

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023