فاطمه قاسمی - دانشجوی کارشناسی ارشد، دانشگاه علوم و فنون مازندران

در جهان سالانه بیش از ده هزار نوع مختلف از رنگ های سنتزی تولید می گردد که به صورت گسترده در صنایع مختلف مورد استفاده قرار می گیرند. که پساب آنها حاوی مقادیر قابل توجهی ترکیبات آلی رنگزا است. وجود مواد رنگزای آلی در پساب های صنعتی به علت جلوگیری از نفوذ نور به داخل آب و اخلال در عمل فتوسنتز، و اثرات سمی آنها صدمات جبران ناپذیری به محیط زیست وار می نمایند. در سراسر دنیا محققان به دنبال یافتن روش های مناسب جهت تصفیه پساب های آلوده هستند. این کار به روش های مختلف فیزیکی و شیمیایی از جمله انعقاد، جذب سطحی، فرآیندهای اکسایشی، نانو فیلتراسیون، ته نشین و فتو کاتالیز انجام می شود. بهبود روند تصفیه پساب مستلزم مدل سازی و درک صحیح از فرایند تصفیه است. به کمک مدل ها می توان فرآیند را طراحی، بهینه سازی و دقیقا پیش بینی نمود. در این میان مدل های شبکه عصبی مصنوعی که با الهام از ساختار مغز بشر عمل می نمایند، به عنوان گزینه ای برتر مورد تحقیق و بررسی قرار می گیرند. در این مطالعه ضمن بررسی روش هی مختلف تصفیه ی پساب و مزایا و معایب هر یک از آنها، به ارزیابی استفاده از شبکه ی عصبی برای مدل سازی حذف آلودگی از پساب های صنعتی مختلف می پردازد.

ﺷﺒﮑﻪ ی ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ، جذب سطحی، ﺗﺼﻔﯿﻪ ی پساب، مدل ریاضی ،آﺑﯽ ﻣﺘﯿﻠﻦ