استفاده از شبکه های عصبی مصنوعی (ANN) در مدلسازی جذب بیولوژیکی فلز کروم (VI) از محلول های آبی
محل انتشار: فصلنامه سلامت و محیط زیست، دوره: 8، شماره: 4
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 221
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJHE-8-4_004
تاریخ نمایه سازی: 9 آذر 1400
چکیده مقاله:
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 اولیهmg/L ۹۰ ، دز جاذب ,pH= ۲ ,۴g/L سرعت اختلاط ۲۰۰rpm و زمان اختلاط ۱۲۰min حاصل شد و حداکثر میزان حذف ۹۶% و حداکثر ظرفیت جذب ۴۱/۶۹mg/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 ۱۳ عدد تعیین شد. خروجی مدل با بردار هدف همبستگی (۰/۹۸۴=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 آموزشLevenberg-Marquardt ، تابع انتقال تانژانت سیگموئید در لایه های مخفی و خروجی و تعداد نورون های بین ۱/۶ تا ۱/۸ داده های ورودی، نتایج مناسبی برای پیش بینی فرایند جذب در پی خواهد داشت.
کلیدواژه ها:
biosorption ، Chromium (VI) ، neural network modeling ، Excess municipal sludge ، Freundlich isotherm ، جذب بیولوژیکی ، فلز کروم ، مدلسازی با شبکه عصبی ، لجن دفعی ، ایزوترم فروندلیچ
نویسندگان
فرزانه محمدی
Ph.D. student of environmental health engineering, school of health, Isfahan University of medical sciences
سمیه رحیمی
Ph.D. student of environmental health engineering, school of health, Isfahan University of medical sciences
زینب یاوری
Ph.D. student of environmental health engineering, school of health, Isfahan University of medical sciences
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :