عباس خوشحال - استادیار مهندسی شیمی ، دانشگاه پیام نور تهران
فرشته ناظمی هرندی - کارشناس ارشد مهندسی شیمی، دانشگاه پیام نور تهران

صنایع نفت به مقدار زیادی آب به منظور پالایش و فرآوری نیاز دارند و در نتیجه تولید حجم زیادی پساب در اثر فعالیت پالایشگاه ها، امریاجتناب ناپذیر است. پساب پالایشگاه ها در گروه پساب های ضعیف و پیچیده طبقه بندی می شود از این روتصفیه آن دشوار است. ترکیباتآروماتیکی ازقبیل فنل، بنزن ،تولوین وترکیبات مشتق شده ازآن درپساب خروجی ازصنایعی ازقبیل پالایش نفت وجوددارند.فرآیندفتوکاتالیستی یکی ازفرآیندهای اکسیداسیون پیشرفته است ،که توانایی آن برای حذف انواع ترکیبات سمی وسخت تجزیه پذیر اثبات شدهاست به منظور صرفه جویی اقتصادی و جلوگیری از تکرار آزمایشات ، از مدلسازی فرآیند های فتوکاتالیستی می توان به عنوان ابزاری مطمیناستفاده نمود.از میان روش های مدلسازی، شبکه عصبی مصنوعی دارای دقت و کاربرد زیادی در فرآیند های بیوتکنولوژی می باشد. نتایجحاصل از این مطالعه نشان داد که ضریب همبستگی بدست آمده ، به 1رسیده است، که این بیانگر آن است که تطابق خوبی بین داده هایواقعی و مقادیر پیش بینی شده توسط مدلسازی وجود دارداز مجموع 30 داده موجود در این زمینه، دو سوم آن جهت آموزش شبکه و یک سوم باقیمانده به منظور ارزیابی دقت مدلسازی انتخاب گردید. در آموزش شبکه تابع انتقال میانی Tribas و تابع انتقال خروجی Purelinتعداد نورون ها 2 به عنوان بهترین پارامتر ها تعیین گردید. میزان خطای آموزش شبکه 0.5724 و خطای ارزیابی دقت شبکه 1.0874 بدست آمد.

نفت ، فتوکاتالیسیتی ، شبکه عصبی مصنوعی ، رگرسیون