مدل سازی و بهینه سازی حذف رنگ (AR-18) با نانوفوتوکاتالیست (TiO2-Ag2O) به روش شبکه ی عصبی مصنوعی
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 709
فایل این مقاله در 10 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:
CCES03_026
تاریخ نمایه سازی: 7 اسفند 1396
چکیده مقاله:
ضرورت حذف رنگ از پساب صنعت نساجی به عنوان یک مسیله ی مهم زیست محیطی قابل بررسی می باشد. در این مطالعه نتایج تجربی حذف رنگ AR-18 به کمک نانوفوتوکاتالیست TiO2-Ag2O، مدل سازی و بهینه سازی گردید. مقدار کاتالیست، pH، غلظت رنگ و میزان پراکسید هیدروژن، ورودی های سیستم و درصد حذف رنگ به عنوان خروجی در نظر گرفته شد. در این تحقیق شبکه های عصبی مصنوعی در پیش بینی نتایج تجربی، با توجه به توانایی بالای این روش مورد ارزیابی قرار گرفت. شاخص های عملکرد RMSE، R2adj، R2 و SSE در تعیین تعداد نرون های بهینه میانی مورد استفاده قرار گرفت. نتایج نشان داد که ساختار 1-7-4 بهترین حالت با حداقل خطا نسبت به الگوریتم لونبرگ-مارکوآرت می باشد. تابع عملکرد (R) مدل سازی، مربوط به قسمت آموزش، تعیین اعتبار و تست به ترتیب 0.969، 0.996 و 1 حاصل گردید. نتیجه ی حاصل نشان از دقت بالای روش شبکه ی عصبی مصنوعی در پیش بینی داده های تجربی دارد. در نهایت نتایج تجربی با روش شبکه عصبی مصنوعی (ANN) و روش پاسخ سطح (RSM) مقایسه گردید. شبکه عصبی مصنوعی در توافق بهتری با نتایج تجربی نسبت به روش پاسخ سطح گزارش گردید.
کلیدواژه ها:
نویسندگان
اکبر محمدی دوست
گروه مهندسی شیمی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.
حجت اله مرادی
کارشناس ارشد مهندسی شیمی، دانشگاه رازی کرمانشاه
میلاد مرادی
دانشجوی کارشناسی مهندس کامپیوتر (نرم افزار)، دانشگاه ایلام