استفاده از شبکه های عصبی مصنوعی (ANN) در مدلسازی جذب بیولوژیکی فلز کروم (VI) از محلول های آبی

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 پیش بینی جذب بیولوژیکی مورد بررسی قرار گرفت.
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.
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.
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.