837پ

The Modeling of Chrome Ions Biosorption from Aqueous Solution in Batch an​d Continuous Mode

كارشناسي ارشد

شيمي- بيوتكنولوژي

دانشگاه پيام نور تهران شمال

1395

1395/5/25

عالي

162ص.

خوشحال ، عباس

احمدي ، ميترا

148-158

Modeling, Chrome Ions, Biosorption, Batch an​d Continuous System

در اين تحقيق ميزان جذب كروم شش ظرفيتي از محلول هاي آبي با استفاده از جاذب زيستي، باطله جامد پسماند بيوديزل (كيك نفت بدون چربي-DPOC ) در دو روش ناپيوسته و پيوسته مطالعه شد. همچنين كارايي شبكه هاي عصبي در پيش بيني جذب زيستي مورد بررسي قرار گرفت. تاثير متغييرهاي مختلف و موثر در جذب سطحي كروم شش ظرفيتي از جمله PH، غلظت اوليه يون كروم، درجه حرارت، مقدار استعمال جاذب، سرعت جريان و ارتفاع ستون در راكتور ناپيوسته و پيوسته بررسي و قسمتي از نتايج آزمايشگاهي به عنوان داده هاي ورودي و خروجي مدل شبكه عصبي مصنوعي براي به دست آوردن آموزش چندلايه اي شبكه آلگوريتم برگشتي با استفاده از مطلب توسط شبكه عصبي پس انتشار پيش خور مدلسازي شد و بخش ديگري از نتايج براي ارزيابي دقت مدل شبيه سازي شد. بهينه سازي تابع انتقال و تعداد نرون هاي لايه پنهان انجام شد. در شبكه عصبي طراحي شده بهترين تابع انتقال در لايه هاي پنهان و خروجي تابع تانژانت سيگموئيد و تعداد نرون بهينه برابر 13 عدد در روش نا پيوسته و 7 عدد در روش پيوسته تعيين شد. خروجي مدل با بردار هدف همبستگي (99/0 R= در روش ناپيوسته و پيوسته ) مناسبي دارد. مقدار خطاي ميانگين مربعات به دست آمده از مدل شبكه عصبي در دو روش نيز بترتيب برابر با 4-10× 94/3 و 6-10× 61/7 مي باشند كه نزديك به صفر و در محدوده پذيرش MSE و نزديك به صفر مي باشند. شبيه سازي انجام شده با مدل شبكه عصبي، تطابق مناسبي با نتايج آزمايشگاهي دارد. كيك نفت بدون چربي مورد استفاده در اين تحقيق قادر به حذف كروم از محيط هاي آبي است. استفاده از شبكه عصبي پس انتشار، تابع آمورش Levenberg-Marquardt، تابع انتقال خطي و سيگموئيد در لايه هاي پنهان و خروجي و تعداد نرونها به اندازه 3/1 داده هاي ورودي، نتايج مناسبي براي پيش بيني فرايند جذب در پي خواهد داشت.

1395/9/7

38853