این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
شیمی و مهندسی شیمی ایران، جلد ۳۷، شماره ۴، صفحات ۳۷-۵۴
عنوان فارسی بهینه سازی فرایند جذب سطحی رنگ دی سولفین بلو توسط نانوذره ZnO-Cr نشانده شده برروی کربن فعال با استفاده از روش پاسخ سطح و مدل سازی با کمک شبکه عصبی مصنوعی
چکیده فارسی مقاله در این پژوهش از جاذب نانوذره ZnO-Cr نشانده شده بر کربن فعال به منظور حذف رنگ دی سولفین بلو استفاده شده و سپس با کمک شبکه عصبی مصنوعی میزان حذف آن را پیش ­بینی شد. اثر پارامترهای گوناگون شامل pH، مقدار جاذب، غلظت رنگ­ ها و زمان به ­هم خوردن روی درصد حذف به روش فناوری­ های طراحی آزمایش مورد بررسی و بهینه شد. همچنین مدل­ های سینتیکی و هم ­دماهای جذبی و همچنین پارامترهای ترمودینامیکی مورد بررسی، و قابلیت استفاده آن ­ها در شرایط بهینه ارزیابی شد. پس از تجزیه و تحلیل نتیجه­ ها و مقایسه نقطه­ های بهینه آن ­ها برای جاذب نانوذره ZnO-Cr نشانده شده بر کربن فعال درصد حذف رنگ دی سولفین بلو 70/98 درصد به دست آمد. در پایان، فرایند جذب به وسیله­ی شبکه عصبی مصنوعی مدل ­سازی شد که در این مطالعه پارامترهای زمان، مقدار جاذب، pH و غلظت رنگ به عنوان ورودی­ های شبکه، و درصد حذف رنگ به عنوان هدف شبکه در نظر گرفته شد. برای مدل ­سازی فرایند حذف بالا به روش شبکه عصبی مصنوعی، 15 نورون برای حذف رنگ دی سولفین بلو به عنوان نورون بهینه در این مدل انتخاب شد. همچنین میانگین مربع­ های خطا در نورون بهینه برای حذف توسط جاذب نانوذره ZnO-Cr، 10-5×17/7 به دست آمد که عددی نزدیک به صفر است. با توجه به مقدارهای میانگین خطای مطلق محاسبه شده در مدل شبکه عصبی مصنوعی و پاسخ سطح نتیجه ­ها بیانگر آن است که شبکه عصبی مصنوعی در تطابق با داده ­های تجربی نسبت به روش پاسخ سطح قادر به مدل سازی بهتری است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Optimization of Disulphine Blue Dye Adsorption Process on ZnO-Cr Loaded on Activated Carbon Using Response Surface Methodology and Modeling by Means of Artificial Neural Network
چکیده انگلیسی مقاله In this research, ZnO-Cr nanoparticles loaded on active carbon were used for the removal of disulphine blue dye. The influence of variables such as the amount of adsorbent, initial concentration of dyes, pH and stirring time on removal percentage were optimized and investigated by central composite design. The kinetic models, adsorption isotherms and thermodynamic parameters also reviewed, and the ability to use in the optimal conditions assessment. After analyzing the results and compared the optimal points, for ZnO-Cr nanoparticles loaded on active carbon, removal percentage of disulphine blue 98.70 respectively. Finally, the adsorption process was modeled by the artificial neural network. In this study, time, the amount of absorbent, pH, the concentration of dye as the network inputs and removal percentage of dyes is considered as network targets. In the modeling removal of dye processes by the artificial neural network, neuron 15 as the optimum neuron was chosen in the removal of disulphine blue. The mean square errors in the optimal neuron for the process of adsorption using ZnO-Cr nanoparticles loaded on active carbon 7.17×10-5 respectively obtained that numerical is close to zero, also according to the calculated AAD% values in the model the results show that the artificial neural network model is more in agreement with experimental data is compared to the response surface methodology.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله نادیه پارسازاده |
گروه شیمی، دانشکده علوم پایه، دانشگاه یاسوج، یاسوج، ایران

فخری یوسفی |
گروه شیمی، دانشکده علوم پایه، دانشگاه یاسوج، یاسوج، ایران

مهراونگ قائدی |
گروه شیمی، دانشکده علوم پایه، دانشگاه یاسوج، یاسوج، ایران

رضوان کریمی |
گروه شیمی، دانشکده علوم پایه، دانشگاه یاسوج، یاسوج، ایران

فاطمه بروسان |
گروه شیمی، دانشکده علوم پایه، دانشگاه یاسوج، یاسوج، ایران

نشانی اینترنتی http://www.nsmsi.ir/article_29352_f5510119d846e1266afeb0a4a043b76d.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/931/article-931-2192447.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات