توضیحات :
فصلنامه سلامت و محیط زیست
دوره ۱۱ – شماره ۲ – سال ۱۳۹۷
نویسندگان : مریم صابونیان ، محمدعلی بهنژادی
چکیده :
زمینه و هدف: کروم در بسیاری از پساب‌های صنعتی به فرم‌های Cr(III) و Cr(VI)یافت میشود. سمیت Cr(III) به مراتب از Cr(VI) کمتر هست. در این مقاله هدف بهینه‌سازی ساختار شبکه عصبی مصنوعی در مدلسازی احیاء فتوکاتالیزوری Cr(VI) توسط نانوذرات TiO۲-P25 است.
روش بررسی: در این کار شبکه عصبی مصنوعی (ANN) برای مدلسازی احیاء فتوکاتالیزوری Cr(VI) به Cr(III) توسط نانوذرات P25–TiO۲ مورد استفاده قرار گرفته و ساختار آن بهینه‌سازی شده است. پارامترهای عملیاتی مورد مطالعه عبارتند از: غلظت اولیه کروم، غلظت فتوکاتالیزور، زمان تابش نور فرابنفش و pH. فرایند احیاء درون یک فتوراکتور ناپیوسته صورت گرفته و برای اندازه گیری غلظت (Cr(VI از دستگاه اسپکتروفتومتر UV/Vis استفاده شده است. محاسبات ANN با استفاده از نرم افزار Matlab 7 و جعبه ابزار ANN انجام شده است.
یافته ها: نتایج نشان می‌دهد که بهینه‌سازی ساختار ANN و استفاده از الگوریتم و توابع انتقال مناسب می‌تواند کارایی شبکه را بهبود بخشد. نتایج حاصله با توجه به ضریب همبستگی مناسب (۰/۹۸۸۶) و خطای میانگین کوچک (۰/۰۰۰۱۸) نشان می دهد که عملکرد شبکه عصبی پیشنهادی برای مدلسازی فعالیت نانوذرات P25–TiO۲ در احیاء Cr(VI)، قابل قبول است. نتایج نشان می‌دهد که همه پارامترها بر روی احیاء فتوکاتالیزوری Cr(VI) تاثیر دارند، اما تاثیر pH با ۳۴/۱۵ درصد سهم بیشتر از پارامترهای دیگر است. بیشترین احیاء فتوکاتالیزوری Cr(VI) درpH برابر با ۲ رخ می دهد و افزایش دو پارامتر مقدار فتوکاتالیزور و زمان تابش نور در محدوده مورد مطالعه سبب افزایش احیاء Cr(VI) می شوند.
نتیجه‌گیری: ساختار بهینه ANN عبارت است از یک شبکه سه لایه پیشخور پس انتشار با توپولوژی ۴:۱۰:۱ و مناسب ترین الگوریتم، الگوریتم پس انتشار گرادیان مزدوج هست.
واژه‌های کلیدی : فتوکاتالیز ناهمگن ، کروم شش ظرفیتی ، نانوذرات تیتانیوم دی اکسید ، شبکه عصبی مصنوعی ، بهینه‌سازی ساختار
<< ادامه مطلب را در فایل پیوست مطالعه فرمایید >>
لطفا برای دانلود مقاله ” کاربرد شبکه های عصبی مصنوعی در مدل سازی احیاء فتوکاتالیزوری Cr(VI) توسط نانوذرات تیتانیوم دی اکسید : بهینه‌سازی ساختار شبکه عصبی مصنوعی ” از لینک زیر استفاده نمایید.
