بهینه سازی و پیش بینی فرایند فتوکاتالیستی با پوشش نانو ذرات تیتانیا بر سطح بتن برای تصفیه آب حاوی فنل
Publish place: Journal of Iran-Water Resources Research، Vol: 9، Issue: 3
Publish Year: 1392
نوع سند: مقاله ژورنالی
زبان: Persian
View: 153
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IWRR-9-3_008
تاریخ نمایه سازی: 30 بهمن 1401
Abstract:
در این تحقیق، بهینه سازی فرایند فتوکاتالیستی توسط روش تاگوچی و پیش بینی راندمان حذف سیستم توسط شبکه عصبی مصنوعی انجام شد. راکتور فتوکاتالیستی از نوع پوشش یافته بود که انرژی مورد نیاز برای تحریک نانوذرات تیتانیا و تولید رادیکال های هیدروکسیل جهت تجزیه فنل موجود در آب با استفاده از لامپ های UV-A تامین می شد. جهت بهینه سازی فرایند با استفاده از روش تاگوچی و آرایه استاندارد L۱۶، تاثیر پارامترهای موثر شامل غلظت آلاینده ورودی (mg/L ۵۰۰-۵۰)، شدت تابش لامپ (۶۰-۸ وات)،pH محلول (۱۲-۴)، میزان تیتانیا بر واحد سطح (g/m۲ ۸۰-۲۰) و فاصله لامپ تا صفحات بتنی (cm ۲۰-۵) بررسی شد. نتایج نشان داد که تاثیر غلظت آلاینده ورودی و pH نسبت به سایر عوامل بیشتر بوده و شرایط بهینه بصورت غلظت آلاینده ورودی mg/L۵۰، pH برابر ۱۲، شدت تابش ۶۰ وات، میزان تیتانیا معادل g/m۲ ۸۰ و فاصله لامپ از صفحات معادل cm ۱۰ تعیین گردید. پیش بینی فرایند با استفاده از شبکه عصبی مصنوعی نشان داد که ساختار شبکه بصورت دو لایه پنهان و توابع انتقال گوسین در لایه پنهان اول، تانژانت هیپربولیک در لایه پنهان دوم و سیگموئید در لایه پنهان خروجی و ساختار (۱-۴-۶-۵) بهترین جواب بوده و اختلاف میان نتایج آزمایشگاه و مدل کمتر از ۵ درصد می باشد.
Keywords:
Authors
محمد دلنواز
فارغ التحصیل دکتری /مهندسی محیط زیست، دانشگاه تربیت مدرس، تهران، ایران و استادیار دانشکده فنی و مهندسی دانشگاه خوارزمی
بیتا آیتی
دانشیار /دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران
حسین گنجی دوست
استاد /دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران
سهراب سنجابی
دانشیار/ دانشکده فنی و مهندسی، بخش مهندسی مواد، دانشگاه تربیت مدرس، تهران، ایران
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 :