استفاده از شبکه های عصبی مصنوعی (ANN) در مدلسازی جذب بیولوژیکی فلز کروم (VI) از محلول های آبی
نویسندگان
doi
چکیده
زمینه و هدف: در این تحقیق میزان حذف فلز کروم شش ظرفیتی از محلول های آبی با استفاده از جاذب بیولوژیکی لجن دفعی فاضلاب های شهری مطالعه شد. همچنین کارایی شبکه های عصبی در پیشبینی جذب بیولوژیکی مورد بررسی قرار گرفت. روش بررسی: تاثیر پارامترهای غلظت اولیه، دز جاذب، pH ، سرعت و زمان اختلاط در راکتور ناپیوسته بر جذب کروم بررسی و قسمتی از نتایج آزمایشگاهی توسط شبکه عصبی پس انتشار پیش خور مدلسازی شد و بخش دیگری از نتایج برای سنجش دقت مدل شبیه سازی شد. بهینه سازی تابع انتقال و تعداد نورون های لایه مخفی انجام شد. یافته ها: شرایط بهینه در غلظت اولیه mg/L 90 ، دز جاذب ,pH= 2 ,4g/L سرعت اختلاط 200 rpm و زمان اختلاط 120 min حاصل شد و حداکثر میزان حذف 96% و حداکثر ظرفیت جذب 41/69 mg/g بدست آمد. سینتیک جذب کروم با مدل شبه مرتبه دوم و ایزوترم جذب آن با مدل فروندلیچ تطابق دارد. در شبکه عصبی طراحی شده بهترین تابع انتقال در لایه های مخفی و خروجی تابع تانژانت سیگموئید و تعداد نورون بهینه برابر 13 عدد تعیین شد. خروجی مدل با بردار هدف همبستگی (0/984= R ) مناسبی دارد . شبیه سازی انجام شده با مدل شبکه عصبی، تطابق مناسبی با نتایج آزمایشگاهی دارد. نتیجه گیری: لجن دفعی مورد استفاده در این تحقیق قادر به حذف کروم از محیط های آبی است. استفاده از شبکه عصبی پس انتشار، تابع آموزش Levenberg-Marquardt ، تابع انتقال تانژانت سیگموئید در لایه های مخفی و خروجی و تعداد نورون های بین 1/6 تا 1/8 داده های ورودی، نتایج مناسبی برای پیش بینی فرایند جذب در پی خواهد داشت.