بهینه سازی هوشمند فرآیندهای انعقاد شیمیایی و الکتریکی در تصفیه پساب پتروشیمی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

در این پژوهش، کارایی فرآیندهای انعقاد شیمیایی و الکتریکی در تصفیه پساب پتروشیمی حاوی کبالت و منگنز با استفاده از روش های هوشمند بهینه سازی شد. داده های آزمایشگاهی از ۱۳ آزمایش برای هر فرآیند استخراج و با شبکه عصبی مصنوعی مدل سازی گردید. مدل شبکه عصبی برای انعقاد الکتریکی با ضریب تعیین ۰/۸۳ برای کبالت و ۰/۹۲ برای منگنز عملکرد مطلوبی نشان داد. بهینه سازی پارامترهای عملیاتی با الگوریتم ژنتیک انجام شد که منجر به شناسایی شرایط بهینه زمان ۶۰ دقیقه، pH برابر ۶ و ولتاژ ۲۷/۶ ولت گردید. تحت این شرایط، بازده حذف کبالت و منگنز به ترتیب به ۹۰/۱ درصد و ۸۸ درصد رسید که نسبت به شرایط بهینه گزارش شده در مقاله مرجع (۴۶ دقیقه، pH برابر ۶ و ولتاژ ۲۵/۸ ولت) بهبود ۳/۶ الی ۶/۵ درصدی را نشان می دهد. تحلیل حساسیت نشان داد که pH با ۳/۵ درصد تغییر در بازده به ازای ۱۰ درصد تغییر، بیشترین تاثیر را بر کارایی فرآیند دارد.

کلیدواژه ها:

تصفیه پساب پتروشیمی ، شبکه عصبی مصنوعی (ANN) ، الگوریتم ژنتیک (GA) ، کبالت ، منگنز