مدل سازی فرآیند اکسایش فوتو شیمیایی ترکیبی UV/PS/Ce(IV) به روش شبکه عصبی مصنوعی

از دیدگاه کاربردی، یک مدل کارآمد جهت شبیه سازی اجرای یک فرآیند می تواندنقش مهمی در کنترل آن در شرایط عملکردی مطلوب ایفا نماید. در یژوه حاضر نتایخ حاصل از تخریب ماده دایرکت رد 16 DR16 توسط یک فرآیند فوتوشیمیایی ترکیبی در حضور یرسولفات PS به عنوان اکسنده فوتوشیمیایی و یون سریم (Ce(IV)) عنوان اکسنده شیمیایی از طریق روش شبکه عصبی مصنوعی ANN مدلسازی گردیده است. به این منظور یک شبکه سه لایه ای متشکل از یک لایه ورودی ، یک لایه پنهانی و یک لایه خروجی در نظر گرفته شد. pH محیط، نسبت اولیه مقدار هرکدام از اکسنده ها به DR16 و زمان واکنش به عنوان متغیرهای ورودی به شبکه و میزان بازده تخریب DR16 به عنوان یاسخ خروجی ازشبکه تعریف گردیدند. نوع الگوریتم های آموزشی و توابع انتقال، تعداد نرون های لایه پنهان و تعداد تکرار آموزش به عنوان یارامترهای بهینه سازی ساختار شبکه برای رسیدن به بهترین شبیه سازی فرآیند بودند. معیار کمترین میانگین مربعات خطا MSE جهت انتخاب بهترین مدل بکار رفت. نتایخ نشان داد که شبکه ای با بکارگیری الگوریتم اموزشی Levenberg–Marquardt (trainlm) توابع انتقال tansig تداد 7 عدد نرون پنهان و دویست تکرار در یادگیری توانست بهترین شبیه سازی داده های تجربی را اجرا نماید. همچنین بر اساس ماتریکس اوزان اتصالات نرون های شبکه ، ترتیب اهمیت نسبی متغیرهای ورودی بر یاسخ خروجی شبکه به صورت (فرمول در متن اصلی مقاله) تعیین گردید.

کلیدواژه ها:

مدل سازی ، شبکه عصبی ، اکسایش پیشرفت ترکیبی ، یرسولفات ، یون سریم