دوره 8، شماره 4 - ( 12-1394 )                   جلد 8 شماره 4 صفحات 446-433 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mohammadi F, Rahimi S, Yavari Z. Application of artificial neural network (ANN) in Biosorption modeling of Chromium (VI) from aqueous solutions. ijhe 2016; 8 (4) :433-446
URL: http://ijhe.tums.ac.ir/article-1-5452-fa.html
محمدی فرزانه، رحیمی سمیه، یاوری زینب. استفاده از شبکه‌های عصبی مصنوعی (ANN) در مدلسازی جذب بیولوژیکی فلز کروم (VI) از محلول های آبی . سلامت و محیط زیست. 1394; 8 (4) :433-446

URL: http://ijhe.tums.ac.ir/article-1-5452-fa.html


1- دانشجوی دکتری مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی اصفهان ، fm_1363@yahoo.com
2- دانشجوی دکتری مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی اصفهان
چکیده:   (7688 مشاهده)

زمینه و هدف: در این تحقیق میزان حذف فلز کروم شش ظرفیتی از محلول­ های آبی با استفاده از جاذب بیولوژیکی لجن دفعی فاضلاب­ های شهری مطالعه شد. همچنین کارایی شبکه­ های عصبی در پیش­بینی جذب بیولوژیکی مورد بررسی قرار گرفت.

روش بررسی: تاثیر پارامترهای غلظت اولیه، دز جاذب، pH، سرعت و  زمان اختلاط در راکتور ناپیوسته بر جذب کروم بررسی و قسمتی از نتایج آزمایشگاهی توسط شبکه عصبی پس انتشار پیش خور مدلسازی شد و بخش دیگری از نتایج برای سنجش دقت مدل شبیه­ سازی شد. بهینه­ سازی تابع انتقال و تعداد نورون­ های لایه مخفی انجام شد.

یافته‌ها: شرایط بهینه در غلظت اولیهmg/L  90‌، دز جاذب ,pH= 2 ,4g/L سرعت اختلاط 200rpm  و زمان اختلاط  120min حاصل شد و حداکثر میزان حذف 96% و حداکثر ظرفیت جذب 41/69mg/g  بدست آمد. سینتیک جذب کروم با مدل شبه مرتبه دوم و ایزوترم جذب آن با مدل فروندلیچ تطابق دارد. در شبکه عصبی طراحی شده بهترین تابع انتقال در لایه ­های مخفی و خروجی تابع تانژانت سیگموئید و تعداد نورون بهینه برابر 13 عدد تعیین شد. خروجی مدل با بردار هدف همبستگی (0/984=R) مناسبی دارد. شبیه­ سازی انجام شده با مدل شبکه عصبی، تطابق مناسبی با نتایج آزمایشگاهی دارد.

نتیجهگیری: لجن دفعی مورد استفاده در این تحقیق قادر به حذف کروم از محیط­ های آبی است. استفاده از شبکه عصبی پس ­انتشار، تابع آموزشLevenberg-Marquardt ، تابع انتقال تانژانت سیگموئید در لایه­ های مخفی و خروجی و تعداد نورون های بین 1/6 تا 1/8 داده­ های ورودی، نتایج مناسبی برای پیش بینی فرایند جذب در پی خواهد داشت.

متن کامل [PDF 1628 kb]   (6676 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فاضلاب
دریافت: 1394/2/9 | پذیرش: 1394/8/18 | انتشار: 1394/12/12

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به سلامت و محیط زیست می‌باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2024 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb