فهرست نشریات علمی دسترسی آزاد ایران

زمینه و هدف: کروم در بسیاری از پساب های صنعتی به فرم های Cr(III) و Cr(VI) یافت می شود. سمیت Cr(III) به مراتب از Cr(VI) کمتر هست. در این مقاله هدف بهینه سازی ساختار شبکه عصبی مصنوعی در مدلسازی احیاء فتوکاتالیزوری Cr(VI) توسط نانوذرات TiO 2 -P25 است. روش بررسی: در این کار شبکه عصبی مصنوعی ( ANN ) برای مدل سازی احیاء فتوکاتالیزوری Cr(VI) به Cr(III) توسط نانوذرات P25 - TiO 2 مورد استفاده قرار گرفته و ساختار آن بهینه سازی شده است. پارامترهای عملیاتی مورد مطالعه عبارتند از: غلظت اولیه کروم، غلظت فتوکاتالیزور، زمان تابش نور فرابنفش و pH . فرایند احیاء درون یک فتوراکتور ناپیوسته صورت گرفته و برای اندازه گیری غلظت ( Cr(VI از دستگاه اسپکتروفتومتر UV/Vis استفاده شده است. محاسبات ANN با استفاده از نرم افزار Matlab 7 و جعبه ابزار ANN انجام شده است. یافته ها: نتایج نشان می دهد که بهینه سازی ساختار ANN و استفاده از الگوریتم و توابع انتقال مناسب می تواند کارایی شبکه را بهبود بخشد. نتایج حاصله با توجه به ضریب همبستگی مناسب (0/9886) و خطای میانگین کوچک (0/00018) نشان می دهد که عملکرد شبکه عصبی پیشنهادی برای مدل سازی فعالیت نانوذرات P25 - TiO 2 در احیاء Cr(VI) ، قابل قبول است. نتایج نشان می دهد که همه پارامترها بر روی احیاء فتوکاتالیزوری Cr(VI) تاثیر دارند، اما تاثیر pH با 34/15 درصد سهم بیشتر از پارامترهای دیگر است. بیشترین احیاء فتوکاتالیزوری Cr(VI) در pH برابر با 2 رخ می دهد و افزایش دو پارامتر مقدار فتوکاتالیزور و زمان تابش نور در محدوده مورد مطالعه سبب افزایش احیاء Cr(VI) می شوند. نتیجه گیری: ساختار بهینه ANN عبارت است از یک شبکه سه لایه پیشخور پس انتشار با توپولوژی 4:10:1 و مناسب ترین الگوریتم، الگوریتم پس انتشار گرادیان مزدوج هست.