مطالعه ی آزمایشگاهی، مدلسازی و بهینه سازی هوشمند فرآیند جذب متیلن بلو و مالاخیت گرین بر روی نانو ذرات ترکیبات نقره

در این پژوهش از کربن فعال طبیعی اصلاح شده با نانو ذرات نقره هیدروکسید به عنوان جاذب برای حذف رنگ ها که از آلاینده های اصلی آب می باشند استفاده شد. کارایی جاذب برای دو رنگ متیلن بلو و مالاخیت گرین به صورت تکی و همزمانی دو رنگ بررسی شد. بهینه سازی فرایند و اثرات هر کدام از عوامل با استفاده روش طراحی آزمایش طرح مرکب مرکزی با تغییر در چهار پارامتر ph، غلظت رنگ ها، مقدار جاذب و زمان فراصوت مورد بررسی قرار گرفت. برای حذف تکی رنگ متیلن بلو و مالاخیت گرین با استفاده از جاذب نام برده شده با بررسی چهار پارامتر ph، غلظت رنگ ها، مقدار جاذب و زمان فراصوت با استفاده از طرح مرکب مرکزی عوامل موثر مشخص و نقاط بهینه برای دستیابی به حداکثر حذف انجام شد. هر دو رنگ از مدل ایزوترمی لانگمویر و سنتیک هر دو فرایند از درجه دوم تبعیت می کنند. مدلسازی فرایند حذف تکی رنگ متیلن بلو با استفاده از یک شبکه ی عصبی مصنوعی سه لایه در تعداد نرون بهینه 10 و با میانگین قدر مطلق انحرافات (aad) 1/46 و میانگین مربعات خطا 0/0011485 بدست آمد. مدلسازی حذف تکی رنگ مالاخیت گرین نیز با استفاده از یک شبکه ی عصبی مصنوعی سه لایه در تعداد نرون بهینه 6 و با میانگین قدر مطلق انحرافات (aad) 97/0 و میانگین مربعات خطا (mse) 0/00013967 بدست آمد. حذف همزمانی دو رنگ با در نظر گرفتن ph بهینه 6، با تغییر در پارامترهای غلظت اولیه¬ی هر کدام از دو رنگ، مقدار جاذب و زمان تماس مورد آزمایش قرار گرفت. برای بدست آوردن غلظت خروجی پس از فرایند جذب از روش¬های مشتقی استفاده شد. مقدار جذب برای رنگ متیلن بلو و مالاخیت گرین در مشتق مرتبه¬ی دوم و در طول موج 574 نانومتر و 596/6 نانومتر بدست آمد. برای بهینه سازی پارامترها در حذف همزمانی از طرح مرکب مرکزی استفاده شد. خروجی¬های فرآیند درصد حذف دو رنگ قرار داده شد. در ادامه از یک شبکه عصبی سه لایه با پیش پردازش آنالیز مولفه های اصلی(pca) که هدف اصلی آن تقلیل بعد مساله است، برای پیش بینی غلظت خروجی پس از فرآیند حذف رنگ استفاده شد. پس از آموزش شبکه از 31 آزمایش pca گرفته و به عنوان ورودی به شبکه آموزش داده شده وارد می شود و با استفاده از خروجی شبکه، درصد حذف فرایند برای دو رنگ محاسبه شد.