مدلسازی فرآیند حذف نفتالین از آب توسط فرآیند فتوکاتالیستی با استفاده از روش شبکه عصبی مصنوعی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 809

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CHCONF02_239

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

امروزه با پیشرفت علم و تکنولوژی و گسترش استفاده از سیستم های کامپیوتری در محاسبات سنگین، سیستم هایهوشمند کامپیوتری و به طور کلی هوش مصنوعی از اهمیت روز افزونی برخوردار شده است. همچنین فرآیندهایفوتوکاتالیستی یکی از مهمترین روشها در تصفیه پسابهای صنعتی هستند. هدف از تحقیق پیشرو مدلسازی فرآیندحذف نفتالین، یکی از آلاینده های بسیار پایدار، با استفاده از شبکه های عصبی مصنوعی از طریق فرآیند فوتوکاتالیستیمی باشد. به علت کمبود داده های آزمایشگاهی، روش MLP مناسب نبوده و روش RBF به کار گرفته شده است. تعدادکل داده های آزمایشگاهی مورد استفاده 25 سری بوده است. در ابتدا به منظور ایجاد ارتباط صحیح بین داده های ورودی وخروجی، شبکه با ... سری از داده ها آموزش داده شد. سپس با استفاده از ... سری داده هایی که در مرحله آموزش استفادهنشده بود، شبکه تست گردید. با توجه به نتایج حاصله از شبکه عصبی طراحی شده، داده های پیش بینی شده نسبت بهداده های آزمایشگاهی دارای R(2)=0.9536 می باشند. همچنین در مقایسه با مدل آماری قبلی ارائه شده برای این فرآیند(R(2)=0.8569)، برتری قابل توجهی دارد. این مطلب نشان دهنده آن است که شبکه های عصبی مصنوعی به دلیل استفادهاز روابط غیرخطی برای مدلسازی فرآیندهای پیچیده ای مانند فرآیندهای فوتوکاتالیستی بهتر از روشهای آماری عمل می کند.

نویسندگان

الهام زنده دل

دانشجوی کارشناسی ارشد مهندسی شیمی دانشگاه فردوسی مشهد

جواد سرگلزایی

استاد رشته مهندسی شیمی دانشگاه فردوسی مشهد

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 :
  • ناهید, پ.وهمکاران.(383 1)" تعیین برخی الودگیهای اب خلیج فارس وامکان ...
  • Kinetics of photocata lytic degradation using titanium dioxide films. 4ه ...
  • جلیلی, ک.م.وهمکاران.(388 1), "نانو دی اکسید تیتانیوم روشهای تولید وکاربردهای ...
  • دمنهاج. م.ب.(1381) -"مبانی شبکه های عصبی هوش محاسباتی." مرکزنشردانشگاه صنعتی ...
  • کیا, س.م.(1387). "شبکه های عصبی ".matlabدر چاپ دوم. ...
  • جورابیان. م. هوشمند, ر(1387)" منطق فازی وشبکه های عصبی."صفحه .74-71 ...
  • crittenden, J.C., et al.(2005), ":Water treatment principle and design(2nd edition)". ...
  • Chong, M.N., et al. (2010), :Recent development in photocatalytic water ...
  • _ Garc ia-Martinez, M.J., et al. (2005), : Continuous pho ...
  • Lair, A., et al. (2008), "naphthalene degradation in water by ...
  • _ co lina-marquez, j. zuluaga, L. and Martinez, F.M. (2009)، ...
  • Mahmood V. Sargolzaei j.(2014), _ Optimization of photocatalytic degradation of ...
  • Pareek, V.K.. et al. (2002), " Artificial neural network modeling ...
  • Ktransan, M., et al. (2015), "Artificial neural network modeling of ...
  • Dutta, S., et al. (2010), _ Development of an artificial ...
  • Khataee, A.R. et al. (2014), "Modeling and optimization of ...
  • 7 _ Amani -Ghadim, A.R. and Dorraji M.S.S. (2015), " ...
  • Coddet, F. (2004), "Neural computation to predict TiO2 photocatalytic efficiency ...
  • Hassani, A. Khataee, A. and Karaca, S. (2015) _ _ ...
  • Ghanbary, F., et al. (2012), " Synthesis of TiO2 nanoparticles ...
  • Das, L. Maity, U. and Basu, J.K. (2014) : The ...
  • .Rasoulifard, M.H., et al. (2016), "Visible-light photocatalytic activity of ...
  • Khayet, M. Cojocaru, C. and Essalhi, M. (2011), "Artificial neural ...
  • نمایش کامل مراجع