نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشیار گروه فنی مهندسی، دانشکده مهندسی عمران، دانشگاه پیام نور شیراز، شیراز
2 کارشناسی ارشد مهندسی عمران- محیط زیست، دانشگاه پیام نور شیراز، شیراز
چکیده
امروزه یکی از مهمترین مشکلات زیست محیطی، آلودگی فاضلابهای صنعتی حاوی فلزات سنگین است. کروم شش ظرفیتی بهعنوان فلز سنگین، یکی از آلایندههای مهم محیط زیست محسوب میشود. هدف از این تحقیق استفاده از شبکه عصبی برای مدلسازی حذف کروم با استفاده از نانو ذرات اکسید آهن (Fe2O3) و مقایسه آن با روشهای آزمایشگاهی میباشد. تأثیر عوامل مهمی مانند pH، غلظت اولیه محلول، مقدار جاذب، زمان تماس و دما بر روی فرآیند حذف کروم بررسی شد. بیش از 90% کروم تحت شرایط 3=pH، غلظت اولیه کروم 10میلیگرم در لیتر، مقدار نانو ذره 1 گرم در لیتر، زمان تماس 60 دقیقه و در دمای 27 درجه سانتی گراد حذف گردید. با توجه به نتایج به دست آمده، مدل شبکه عصبی توانست بازده جذب کروم را با تابع انتقال تانژانت سیگموییدی در لایه پنهان و تابع انتقال محرک خطی در لایه خروجی پیشبینی کند. الگوریتم لونبرگ- مارکوارت با توجه به خروجی شبکه با حداقل میانگین مربعات خطا (MSE) برای آموزش و اعتبار سنجی اعمال گردید. ضریب همبستگی بالای حاصل از مدلسازی شبکه عصبی (996/0R2ANN =) و نزدیک بودن به ضریب همبستگی نتایج تجربی (998/0 = R2Exp) نشان داد که مدل قادر به پیش بینی حذف کروم از محلول های آبی با استفاده از نانو ذرات اکسید آهن میباشد.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Application of Artificial Neural Network (ANN) for Modelling Chromium(VI) removal using Iron Oxide Nanoparticles
نویسندگان [English]
- Elham Asrari 1
- Vahide Khosravi 2
1 Associate Prof., Department of Engineering, Faculty of Civil Engineering, Payam-e-Noor University, Shiraz, Iran
2 M.Sc. Department of Civil Engineering (Environment), Faculty of Civil Engineering, Payam-e-Noor University, Shiraz, Iran
چکیده [English]
Nowadays, one of the most important environmental pollution is heavy metals industrial wastewater. Among the various types of heavy metals, chromium is one of the hazardous and toxic environmental pollutants. In order to prevent damage caused by chromium, it seems essential to prevent its entrance to the environment. The purpose of this study was modelling chromium removal using iron oxide nanoparticles through artificial neural network model for estimating the best removal Cr(VI) model. The optimum conditions (more than 90% removal efficiency) achieved were at pH=3, initial concentration of Cr = 10 mg/L; dosage of Fe2O3 = 1 g/L; contact time = 60 minutes, and temperature =25 . After backpropagation (BP) training, the ANN model was able to predict adsorption efficiency with a tangent sigmoid transfer function (Tansig) at hidden layer with 11 neurons and a linear transfer function (Purelin) at out layer. The Levenberg-Marquardt algorithm (LMA) was applied, giving a minimum mean squared error (MSE) for training and cross validation at the ninth place of decimal. The high correlation coefficient (R2ANN = 0.996) between the model and its closeness to the experimental coefficient (R2Exp = 0.998) showed that the model is able to predict the removal of Cr(VI) from aqueous solutions by iron oxide nanoparticles.
کلیدواژهها [English]
- Removal
- Chromium
- Iron Oxide Nanoparticles
- Aqueous solutions
- Neural Network