بهینه سازی حذف رنگزای آنیونی روی نانوکامپوزیت مغناطیسی کربن فعال با استفاده از شبکه های عصبی مصنوعی -Fe3O4

پساب های حاوی رنگزاها که از صنایع مختلف تولید می شوند، اثرات و پیامدهای مخربی بر محیط زیست میگذارند. از این رو، ارائهی مدلهای ریاضی تحلیلی و عددی که قادر به شبیه سازی فرایند حذف رنگ از
پسابهای صنعتی باشند، از اهمیت بسیاری برخوردار است.  کربن فعال به روش هم رسوبی سنتز و ساختار -Fe3O در این پژوهش، ابتدا نانوکامپوزیت مغناطیسی 4شناسایی شد. کارآیی جاذب VSM و ،SEM ،XRD بلوری و ویژگی های سطحی و مغناطیسی آن با تکنیک های کامپوزیتی برای حذف رنگزای آنیونی ری اکتیو رد از محلول آبی در شرایط مختلف مورد بررسی قرار گرفت. سپس، یک شبکهی عصبی مصنوعی برای پیش بینی بازدهی حذف رنگزا به وسیله ی (Matlab) با استفاده از نرم افزار متلب زمان تماس، غلظت ،pH کربن فعال مغناطیسی طراحی و تعداد لایه های پنهان آن بهینه شد. بدین منظور، پارامترهای اولیهی رنگزا، و دما به عنوان ورودی، و درصد حذف رنگزا به عنوان خروجی شبکه ی عصبی در نظر گرفته شد.
عملکرد شبکه پس از آموزش آن بر مبنای ضریب همبستگی مورد ارزیابی قرار گرفت. داده های تجربی با مدل های سینتیکی شبه مرتبهی اول، شبه مرتبهی دوم، و نفوذ درون-ذرهای برازش شد. مدل های لانگمویر و فروندلیچ برای
توصیف ایزوترمهای تعادلی جذب به کار برده شدند. ضریب بالای همبستگی برای داده های آزمون (989530) نشان داد که مدل شبکه ی عصبی در پیش بینی / داده های تجربی موفق است. مدل های سینتیکی درون-ذرهای و ایزوترم فروندلیچ با داده های تجربی انطباق بیشتری
34/6 ) نشان داد که جذب سطحی دارای ماهیت فیزیکی است. حداکثر kJ mol– داشتند. انرژی فعالسازی نسبتا پایین ( 1ظرفیت جذب با افزایش دما کاهش یافت. استفاده از پیشبینی شبکه ی عصبی منجر به حذف آزمایش های تکراری و بهبود درصد حذف رنگزا
می شود