-
شماره ركورد
26951
-
پديد آورنده
ليلا ااحمدزاده توفيقي
-
عنوان
مدلسازي فرآيند جذب سطحي به منظور تصفيه ي پساب هاي رنگي با استفاده از شبكه عصبي بهينه شده با الگوريتم هاي تكاملي
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
رياضي
-
سال تحصيل
1401-1402
-
تاريخ دفاع
1401/05/31
-
استاد راهنما
آقاي دكتر جواد وحيدي
-
استاد مشاور
خانم دكتر مريم احمدزاده توفيقي
-
دانشكده
رياضي
-
چكيده
در اين پژوهش، دياتوميت طبيعي، پس از طي مراحل غربال كردن و شستشو با آب مقطر، به وسيله اسيد نيتريك اسيد شويي شد و به عنوان جاذب در حذف رنگ متيلن بلو از آب مورد استفاده قرار گرفت. در مرحله بعد، به منظور افزايش ظرفيت جذب، نانولوله هاي كربني چند ديواره بر سطح دياتوميت به روش رسوب دهي شيميايي بخار سنتز شدند. كامپوزيت نانولوله كربني/دياتوميت سنتز شده توسط اسيد نيتريك عامل دار شد و براي جذب متيلن بلو از آب مورد استفاده قرار گرفت. ويژگي ها و رفتار جذب سطحي جاذب دياتوميت اصلاح شده و جاذب دياتوميت/نانولوله كربني اصلاح شده مقايسه شد. تاثير غلظت اوليه متيلن بلو، pH، زمان تماس، دوز جاذب و دما بر رفتار جذب سطحي متيلن بلو بر سطح جاذب هاي ساخته شده مورد ارزيابي قرار گرفت. مشخص شد كه با افزايش اين پنج متغير، درصد حذف متيلن بلو توسط جاذب هاي ساخته شده افزايش مييابد. دادههاي جذب بهدستآمده با استفاده از مدلهاي ايزوترم فروندليچ و لانگموير و همچنين مدلهاي سينتيكي شبه مرتبه اول و دوم مورد تجزيه و تحليل قرار گرفت. مشخص شد كه رفتار جذب متيلن بلو بر سطح جاذب هاي ساخته شده به خوبي با مدل سينتيكي شبه مرتبه دوم و هر دو مدل لانگموير و فروندليچ مطابقت دارد. در غلظتهاي بالاتر متيلن بلو، مدل سينتيكي شبه مرتبه اول نيز با دادههاي تجربي سازگار بود. ماكزيمم ظرفيت جذب تك لايه جاذب دياتوميت اصلاح شده و جاذب دياتوميت/نانولوله كربني اصلاح شده به ترتيب40.98 و 91.74 ميلي گرم بر گرم به دست آمد. در نهايت، مدلسازي جذب متيلن بلو با استفاده از شبكه عصبي مصنوعي بهينه شده با الگوريتم ژنتيك و الگوريتم ازدحام ذرات انجام شد. مدل هاي شبكه عصبي با 5 پارامتر ورودي و يك لايه پنهان براي پيشبيني رفتار جذب متيلن بلو بر سطح جاذب هاي ساخته شده طراحي شدند. نتايج نشان داد كه مدل هاي توسعه يافته قادر به پيشبيني درصد حذف متيلن بلو براي مجموعه دادههاي تجربي هستند. شبكه هاي عصبي بهينه شده با الگوريتم ازدحام ذرات، به طور كلي، دقت بيشتري نسبت به شبكه هاي عصبي بهينه شده با الگوريتم ژنتيك نشان دادند و تغيير توابع انتقال لوگ سيگموئيد و تانژانت سيگموئيد در لايه¬ي پنهان، تغيير محسوسي را در نتايج در برنداشت.
-
تاريخ ورود اطلاعات
1401/06/20
-
عنوان به انگليسي
Modeling of adsorption process using neural network optimized with evolutionary algorithms
-
تاريخ بهره برداري
8/22/2023 12:00:00 AM
-
دانشجوي وارد كننده اطلاعات
ليلا احمدزاده توفيقي
-
چكيده به لاتين
In this work, multi-walled carbon nanotubes (MWCNTs) were synthesized on diatomite by chemical vapor deposition (CVD) method. The prepared MWCNTs/diatomite composite was functionalized by nitric acid and used for methylene blue (MB) adsorption from water. Characteristics and adsorption behavior of the functionalized MWCNTs/diatomite (f-MWCNTs/diatomite) was compared with functionalized diatomite (f-diatomite). Effects of MB concentration, pH, contact time, adsorbent dosage, and temperature on adsorption behavior of MB were evaluated. The obtained adsorption data were analyzed by various isotherm and kinetic models. It was found that that adsorption behavior of MB onto the fabricated adsorbents fit well with the pseudo second-order kinetic and both Langmuir and Freundlich isotherm models. At higher MB concentrations, pseudo first-order-kinetic model was also consistent with the experimental data. The maximum monolayer adsorption capacity of the f-MWCNTs/diatomite and f-diatomite was achieved as 91.74 and 40.98 mg/g, respectively. Finally, modeling of MB absorption was done using artificial neural network optimized with genetic algorithm and particle swarm algorithm. Neural network models with 5 input parameters and a hidden layer were designed to predict the adsorption behavior of MB on the surface of the fabricated adsorbents. The results showed that the developed models are able to predict the removal percentage of MB for the experimental data set. The neural networks optimized with the particle swarm algorithm were more accurate than the neural networks optimized with the genetic algorithm, and changing the log-sigmoid and tan-sigmoid transfer functions in the hidden layer did not have a noticeable change in the results.
-
كليدواژه هاي فارسي
جذب سطحي , دياتوميت , نانولوله هاي كربني , مدلسازي , شبكه هاي عصبي مصنوعي , الگوريتم ژنتيك , الگوريتم ازدحام ذرات , تصفيه ي آب و پساب
-
كليدواژه هاي لاتين
Adsorption , Multi-walled carbon nanotubes , Diatomite , Artificial neural network , modeling , Wastewater treatment , Genetic algorithm , Particle swarm algorithm
-
Author
Leila Ahmadzadeh Tofighi
-
SuperVisor
Dr. Javad Vahidi
-
لينک به اين مدرک :