پیش بینی جذب سطحی فنل از فاضلاب با خاک اره به کمک روش های هوش-مند

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 200

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ESTJ-21-2_003

تاریخ نمایه سازی: 19 مهر 1400

چکیده مقاله:

زمینه و هدف:حضور فنل و مشتقات آن در آب و فاضلاب به دلیل خطراتی که بر روی سلامت انسان و محیط زیست دارد، به عنوان یک نگرانی عمده محسوب می­شود. به دلیل سمی بودن فنل حتی در غلظت­های کم و هم­چنین به دلیل این­که حضور آن در منابع طبیعی آب می­تواند سبب شکل­گیری ترکیبات جانبی فرآیندهای گندزدایی و اکسیداسیون شود، این ماده یکی از شایع­ترین مواد آلی آلاینده آب می­باشد. در مطالعه حاضر فرآیند جذب سطحی فنل از فاضلاب توسط جاذب خاک اره با استفاده از روش­های هوش­مند شبیه­سازی شده است. روش بررسی:شیوه های هوش­مند شبکه پرسپترون چندلایه، شبکه برپایه توابع شعاعی و ماشین بردار رگرسیونی جهت شبیه­سازی استفاده شده است. جهت طراحی ساختار شبکه­ها از ۱۲۵ مجموعه داده تجربی استفاده شده است. معیارهای ارزیابی و توقف شبکه شامل %AARE و R۲ می­باشند که برای هر سه مدل محاسبه شده است. یافته ها:نتایج نشان داد که مدل ماشین بردار رگرسیونی با داشتن ۵۱۳۲/۰ و ۹۷۹/۰ به ترتیب برای %AARE و R۲ بهترین مدل می­باشد. کلیه مدل­ها نتیجه بهتری نسبت به مدل چند جمله­ای درجه دوم از خود نشان دادند. مدل­ها تطبیق خوبی با داده­های تجربی داشتند. بحث و نتیجه گیری: نتایج مدل­ها نشان داد که این مدل­ها مقدار جذب فنل را با دقت بالا پیش بینی می­نماید. هم­چنین براساس نتاج مدل­ها، پارامترهای بهینه فرآیند شامل، غلظت اولیه فنل ۶/۱۲۷ میلی­گرم بر لیتر، مقدار جاذب ۸۴/۰ گرم بر لیتر، pH  محلول ۶۲/۳، زمان جذب  ۹/۱۴۶ دقیقه و درصد جذب فنل متناظر ۲۳/۹۱ % به دست آمد.

کلیدواژه ها:

نویسندگان

محسن کشاورز ترک

کارشناسی ارشد مهندسی شیمی، دانشگاه علم و صنعت، تهران، ایران.

احد قائمی

استادیار، دانشکده مهندسی شیمی، دانشگاه علم و صنعت، تهران، ایران. (مسوول مکاتبات)

منصور شیروانی

دانشیار، دانشکده مهندسی شیمی، دانشگاه علم و صنعت، تهران، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :