مدلسازی فرآیند جذب زیستی آلاینده های مس و منگنز به روش شبکه عصبی مصنوعی و الگوریتم ژنتیک

همگام با گسترش فعالیت های صنعتی و ازدیاد جمعیت، ورود فلزات سنگین به محیط های آبیبه مقدار زیادی افزایش یافته است، این آلاینده ها به دلیل سمیت و توانایی تجمع زیستی درجانداران می توانند منجر به تاثیرات نامطلوب زیادی گردند، باکتری ها از جمله میکروارگانیسم-هایی هستند که به دلیل سازگاری با طبیعت و نسبت سطح به حجم بالا برای جذب یون هایفلزی از محیط مناسب هستند. لذا در این تحقیق به مدل سازی حذف فلزات مس و منگنز باکمک شبکه عصبی مصنوعی است. شبکه عصبی مصنوعی ۱(ANN) ایده ای است برای پردازشاطلاعات که از سیستم عصبی زیستی الهام گرفته شده است و مانند مغز به پردازش اطلاعاتمی پردازد. عنصر کلیدی این ایده ساختار جدید سیستم پردازش اطلاعات است. این سیستم ازشمار زیادی عناصر پردازشی فوق العاده به هم پیوسته بنام نرون تشکیل شده است که برایحل یک مساله بطور هماهنگ با یکدیگر عمل می کنند. شبکه های عصبی مصنوعی نظیر انسان با مثال یاد میگیرند. آنها برای وظیفه ای مشخص مانند شناسایی الگوها و دسته بندی اطلاعات در طول یک پروسه یادگیری تنظیم می شوند.در این تحقیق مدلسازی جذب فلزات منگنز و مس توسط شبکه عصبی مصنوعی مورد بررسیقرار گرفت. ساختار انتخابی شبکه از نوع پرسپترون چند لایه با یک لایه ورودی، یک لایه پنهانو دو لایه خروجی و الگوریتم آموزش پس انتشار لونبرگ- مارکوارت بود. با بررسی توابع انتقالو تعداد نرون های مختلف، توابع بهینه برای لایه پنهان و لایه خروجی به ترتیب tansig وpurelin و تعداد نرون های لایه پنهان برابر با ۱۵ انتخاب گردید. ضریب همبستگی و میانگین مربع خطا برای آموزش شبکه مورد نظر به ترتیب ۰/۹۷۳۳ و ۰/۰۰۰۷۱ و برای ارزیابی دقت شبکه ۰/۹۹۲۱ و ۰/۰۰۰۲۵ به دست آمد که بیانگر تطابق خوب بین داده های آزمایشگاهی و نتایج پیش بینی شده و دقت بالای مدل سازی بود.

Keywords:

مدلسازی , شبکه عصبی مصنوعی , الگوریتم ژنتیک , جذب زیستی , آلاینده