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

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 وسیله ی 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.