رهیافت شبکه عصبی مصنوعی برای مدلسازی جذب Cr(VI) از محلول آبی با MR, MAC, MS
در این تحقیق توان جذب رزین دوکس اپتیپور493Lکه توسط نمک آمونیوم 336 (MR) اصلاح شده است، توان جذب کربن فعال که با نمک آمونیوم 336 (MAC) اصلاح شده است و توان جذب خاک اره که توسط نمک آمونیوم 336 (MS) اصلاه شده است را برای حذف Cr(VI)از محلول آبی در یک سیستم مرکب مورد مطالعه قرار می دهیم. اثرات پارامترهای عملیاتی مانند دوز جاذب، غلظت اولیه یون های Cr (VI)، pH، دما و زمان تماس مورد مطالعه قرار گرفته است. مدل شبکه عصبی مصنوعی (ANN) برای پیش بینی کارایی حذف یونCr (VI)توسعه داده شده است. نتایج نشان می دهد که ایزوترم لانگمویر بهتر از ایزوترم فرویندلیش است. آهنگ جذب بهترین حالت را در مدل مرتبه شبه دوم نشان می دهد. پارامترهای ترمودینامیکی نشان می دهند که جذب Cr (VI)امکان پذیر، خود به خودی و گرمازا است. مقایسه کارایی حذف کروم (VI) با استفاده از مدل شبکه عصبی مصنوعی و نتایج تجربی نشان می دهد که مدل شبکه عصبی مصنوعی می تواند رفتار فرایند حذف Cr (VI)را در شرایط مختلف برآورد کند.
شبکه عصبی مصنوعی ، کروم ، جذب ، لانگمویر ، فرویندلیش ، مدل شبه مرتبه دوم
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.