الهام زنده دل - دانشجوی کارشناسی ارشد مهندسی شیمی دانشگاه فردوسی مشهد
جواد سرگلزایی - استاد رشته مهندسی شیمی دانشگاه فردوسی مشهد

امروزه با پیشرفت علم و تکنولوژی و گسترش استفاده از سیستم های کامپیوتری در محاسبات سنگین، سیستم هایهوشمند کامپیوتری و به طور کلی هوش مصنوعی از اهمیت روز افزونی برخوردار شده است. همچنین فرآیندهایفوتوکاتالیستی یکی از مهمترین روشها در تصفیه پسابهای صنعتی هستند. هدف از تحقیق پیشرو مدلسازی فرآیندحذف نفتالین، یکی از آلاینده های بسیار پایدار، با استفاده از شبکه های عصبی مصنوعی از طریق فرآیند فوتوکاتالیستیمی باشد. به علت کمبود داده های آزمایشگاهی، روش MLP مناسب نبوده و روش RBF به کار گرفته شده است. تعدادکل داده های آزمایشگاهی مورد استفاده 25 سری بوده است. در ابتدا به منظور ایجاد ارتباط صحیح بین داده های ورودی وخروجی، شبکه با ... سری از داده ها آموزش داده شد. سپس با استفاده از ... سری داده هایی که در مرحله آموزش استفادهنشده بود، شبکه تست گردید. با توجه به نتایج حاصله از شبکه عصبی طراحی شده، داده های پیش بینی شده نسبت بهداده های آزمایشگاهی دارای R(2)=0.9536 می باشند. همچنین در مقایسه با مدل آماری قبلی ارائه شده برای این فرآیند(R(2)=0.8569)، برتری قابل توجهی دارد. این مطلب نشان دهنده آن است که شبکه های عصبی مصنوعی به دلیل استفادهاز روابط غیرخطی برای مدلسازی فرآیندهای پیچیده ای مانند فرآیندهای فوتوکاتالیستی بهتر از روشهای آماری عمل می کند.

شبکه های عصبی، فرآیند فوتوکاتالیستی، حذف نفتالین، نانو ذرات (TiO(2