مدل سازی عددی فرآیند حذف رنگ پساب صنایع نساجی با پلیمرهای کامپوزیتی معدنی آلی

در این مطالعه نتایج حذف رنگ واکنشی Cibacron Red FN-R با استفاده از پلیمر کامپوزیتی معدنی- آلی MCPAM که شامل کلرید منیزیم و پلی آکریل آمید بود، مدلسازی و بهینه سازی گردید. غلظت رنگ، pH، مقدار پلیمر کامپوزیتی، سرعت همزدن و زمان همزدن، ورودیهای سیستم و درصد حذف رنگ به عنوان خروجی در نظر گرفته شد. در این تحقیق شبکههای عصبی مصنوعی در پیشبینی نتایج تجربی، با توجه به توانایی بالای این روش مورد ارزیابی قرار گرفت. شاخص های عملکرد R2، R2adj، RMSE و SSE در تعیین تعداد نرونهای بهینه میانی مورد استفاده قرار گرفت. نتایج نشان داد که ساختار 5-5-1 بهترین حالت با حداقل خطا نسبت به الگوریتم لونبرگ-مارکوآرت میباشد. تابع عملکرد (R) مدلسازی مربوط به قسمت آموزش، تعیین اعتبار ، تست و کل دادهها، به ترتیب 0/9999، 0/97082، 0/9996 و 0/9996 به دست آمد، که نشان از دقت بالای روش شبکه ی عصبی مصنوعی در پیشبینی دادههای تجربی داشت.