مدل سازی حذف سفیکسیم به روش فنتون با شبکه عصبی مصنوعی

هدف از این پژوهش ، مدل سازی راندمان حذف سفیکسیم به روش فنتون و با استفاده از شبکه عصبی است. شبکهعصبی مصنوعی توانایی بالایی در پیشبینی نتیجه های تجربی دارد. در این مدل سازی مقدار هیدروژن پراکسید، کاتالیست  آهن، مدت زمان حذف سفیکسیم، غلظت اولیه سفیکسیم وpH  پارامترهای ورودیهای سیستم و درصد حذف سفیکسیم به عنوان خروجی در نظر گرفته شده است. شاخصهای عملکرد شامل: مجموع مربع های خطا (SSE)، جذر متوسط مربع های خطا (RMSE)، ضریب تعیین تعدیل شده () و ضریب تعیین   در تعیین تعداد نرون­ های بهینه میانی به کار رفته است. با توجه به نتیجه های به دست آمده، مدل شبکه عصبی توانست بازده جذب را با تابع انتقال تانژانت سیگموییدی در لایه پنهان و تابع انتقال محرک خطی در لایه خروجی پیش بینی کند.  همچنین نتیجه های مدل سازی شبکه عصبی با  الگوریتم لونبرگ-مارکوآرت نشان داد که شبکه­ با چیدمان  ۱-۱۳-۵ (۵ نرون در لایه ورودی،۱۳ نرون در لایه پنهان و ۱ نرون در لایه خروجی) بهترین نتیجه را در پیش بینی خروجی­ و حداقل خطا دارا می باشد. ضریب همبستگی مدل مربوط به قسمتهای آموزش، اعتبارسنجی و تست به ترتیب ۹۹۴۳۶/۰، ۹۹۹۹۳/۰ و ۹۶۹۰۱/۰ به دست آمد که این نتیجه ها حاکی از دقت زیاد روش شبکه عصبی مصنوعی در پیشبینی دادههای آزمایشگاهی حذف سفیکسیم از محلول آبی است. برای پیش بینی روند تغییرها از ابزار شبکه عصبی در نرم افزار MATLAB استفاده شده است.

کلیدواژه ها:

فنتون ، جذب سطحی ، نانولوله کربنی ، شبکه عصبی ، بهینه سازی