مدل سازی سینتیک جذب ایزوترم نیکل روی بیوکربن فعال توسط شبکه عصبی مصنوعی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 462

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCTCC03_377

تاریخ نمایه سازی: 10 شهریور 1393

چکیده مقاله:

جذب ایزوترم فلز سنگین نیکل روی کربن فعال تولید شدهاز پوستهگردو دردماهای (20، 30 و 40 درجه سانتیگراد) و غلظت اولیه (50, 40, 30, 20mg/l و 60) انجام شد. اثر دما، غلظت اولیه و زمان روی ت غییرات (q(t/q(e بررسی شد. سینتیک جذب ناپیوسته نیکل توسط شبکه عصبی برری شد. برای این منظور، دما، غلظت اولیه و زمان به عنوان ورودی و (q(t)/q(e به عنوان خروجی شبکه عصبی در نظر گرفته د. نوع تابع آموزش، تعداد لایه های پنهان، تعداد نرون در هر لایه و تعداد گذر در شبکه عصبی بهینه شد. از کل 135 داده آزمایشگاهی 15 داده برای داده های تست شبکه عصبی، 15 داده برای دادههای اعتبار سنجی و بقیه به عنوان داده های آموزش شبکه عصبی در نظر گرفته شد. داده ها به صورت تصادفی انتخاب شدند. عملکرد شبکه عصبی با حداقل مربعات خطا (mse) ارزیابی شد. با توجه به مقادیر بالای تابع عملکرد برای داده های تست (R(2)=0/99990)، اعتبار سنجی (R(2)=0/99990) و آموزش (R(2)=0/99967) شبکه عصبی، نتیجه گرفته شد که شبکه عصبی روش بسیار مطلوبی برای مدل سازی سینتیک جذب ایزوترم نیکل توسط کربن تولید شده از پوسته گردو می باشد.

نویسندگان

مجتبی معصومی

عضو هیئت علمی دانشگاه آزاد اسلامی واحد علوم و تحقیقات واحد آیت الله آملی

حنانه حجتی پورلنگرودی

دانشجوی کارشناسی موسسه آموزش عالی خزر محمودآباد، گروه علوم و صنایع غذایی

صغری محسنی سیبنی

دانشجوی کارشناسی موسسه آموزش عالی خزر محمودآباد، گروه علوم و صنایع غذایی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Aber, S., Amani -Ghadim, A., & Mirzajani, _ (2009). Removal ...
  • Basheer, I. A., & Najjar, Y. M. (1996). Predicting dynamic ...
  • Fu, F., & Wang, Q. (2011). Removal of heavy metal ...
  • Kumar, K. V., de Castro, M. M., Martinez-Ese andell, M, ...
  • Kumar, K. V., & Porkodi, K. (2009). Modelling the solid-liquid ...
  • Martinez, M., Torres, M., Guzman, C., & Maestri, D. (2006). ...
  • Nowicki, P., Pietrzak, R., & Wachowska, H. (2010). Sorption properties ...
  • Rozada, F., Calvo, L., Garcia, A., M arn- Villacorta, J., ...
  • Turan, N .G., Mesci, B., & Ozgonenel, O. (2011). Artificial ...
  • U, urlu, M., Kula, I, Karao, lu, M. H., & ...
  • Yetilmezsoy, K., & Demirel, S. (2008). Artificial neural network (ANN) ...
  • نمایش کامل مراجع