مدلسازی و شبیه سازی حذف ارسنیک کروم، و کادمیم از آب توسط فرایند نانوفیلتراسیون به کمک شبکه های عصبی مصنوعی
Publish place: 1st Enviromental Remidiation Tehcnologies Conference
Publish Year: 1390
Type: Conference paper
Language: Persian
View: 2,173
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ERTC01_047
Index date: 2 March 2011
مدلسازی و شبیه سازی حذف ارسنیک کروم، و کادمیم از آب توسط فرایند نانوفیلتراسیون به کمک شبکه های عصبی مصنوعی abstract
فلزات سنگین بویژه ارسنیک کروم و کادمیم از جمله الاینده های بسیار خطرناک زیست محیطی بشمار می روند این مواد به دلیل سمیت و ماندگاری بالا خطری جدی برای حیات انسان ها به شمار می روند. از این رو حذف این مواد از اهمیت ویژه ای برخوردار است در بین فرایندهای مختلف جداسازی در تصفیه آب و پساب فرایند نانوفیلتراسیون به دلیل راندمان بالا هزینه های اولیه و عملیاتی نسبتا پایین تر نسبت به سایر روشهای جداسازی و ... ا زجایگاه ویژه ای برخوردار است دراین پژوهش حذف فلزات سنگین ارسنیک کروم و کادمیم به روش نانوفیلتراسیون بصورت تجربی مورد بررسی قرارگرفت. همچنین از شبکه های عصبی مصنوعی برای پیش بینی عملکرد فرایند به صورت درصد دفع اجزا به عنوان تابعی از اختلاف فشار و غلظت اجزا ورودی استفاده شد. برای این منظور از شبکه MLP با الگوریتم اموزش لونبرگ - مارکوارت استفاده شد. نتایج شبیه سازی نشان دهنده تطابق بسیار خوب بین داده های تجربی و نتایج حاصل از شبکه های عصبی مصنوعی می باشد بنابراین شبکه عصبی مصنوعی به عنوان ابزاری توانمنددر پیش بینی صحیح عملکرد این فرایند ها می تواند مورد استفاده قرارگیرد.
مدلسازی و شبیه سازی حذف ارسنیک کروم، و کادمیم از آب توسط فرایند نانوفیلتراسیون به کمک شبکه های عصبی مصنوعی Keywords:
مدلسازی و شبیه سازی حذف ارسنیک کروم، و کادمیم از آب توسط فرایند نانوفیلتراسیون به کمک شبکه های عصبی مصنوعی authors
احمد اخوت
گروه مهندسی شیمی دانشکده مهندسیدانشگاه فردوسی مشهد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :