مانا اباذری؛ حبیب اله طیبی؛ خدیجه آقاجانی
چکیده
زمینه و هدف: مدل سازی جذب ترکیبات آلاینده از محیط های آبی با کمترین تعداد آزمایشات، یکی از دغدعه های محققین می باشد. در پژوهش حاضر هدف مدل سازی فرایند جذب رنگزای اسیدی آبی 62 با ترکیب آلی-فلزی حاوی آلومینیوم (MIL-53(Al)-NH2) می باشد.مواد و روش ها: در این پژوهش، MIL-53(Al)-NH2 از ماده اولیه 2- آمینو ترفتالیک اسید و نیترات آلومینیوم سنتز شد. پس از بررسی ...
بیشتر
زمینه و هدف: مدل سازی جذب ترکیبات آلاینده از محیط های آبی با کمترین تعداد آزمایشات، یکی از دغدعه های محققین می باشد. در پژوهش حاضر هدف مدل سازی فرایند جذب رنگزای اسیدی آبی 62 با ترکیب آلی-فلزی حاوی آلومینیوم (MIL-53(Al)-NH2) می باشد.مواد و روش ها: در این پژوهش، MIL-53(Al)-NH2 از ماده اولیه 2- آمینو ترفتالیک اسید و نیترات آلومینیوم سنتز شد. پس از بررسی پارامترهای موثر بر جذب رنگزا، از روش های شبکه عصبی مصنوعی(ANN)، رگرسیون خطی چندگانه (MLR) و رگرسیون غیرخطی چندگانه (MNLR) برای پیش بینی میزان جذب رنگزا استفاده شده است. یافته ها: نتایج به دست آمده از آنالیز پراش اشعه ایکس (XRD)، میکروسکوپ الکترونی روبرشی گسیل میدانی (FE-SEM) و طیف سنج مادون قرمز تبدیل فوریه سنتز مناسب MIL-53(Al)-NH2 را نشان داد. شرایط بهینه بصورت 2=pH، زمان60 دقیقه، میزان جاذب 02/0 گرم و دمای 25 درجه سانتیگراد می باشد. بر اساس نتایج ، در مقایسه بین سه روش استفاده شده، مدل شبکه عصبی از بالاترین دقت پیش بینى برخوردار است. خروجی ایجاد شده با استفاده از این مدل در قیاس با مدل های رگرسیون خطی و غیر خطی چندگانه، کمترین جذر میانگین مربعات خطا (RMSE)و بیشترین مقدار ضریب همبستگی(CC) با داده های واقعی را دارا می باشد. نتیجه گیری: با توجه به نتایج می توان دریافت که MIL-53(Al)-NH2 یک جاذب کارامد بوده و در ضمن با توجه به کارایى بالاى مدل شبکه عصبى مصنوعى مى توان از این مدل جهت حصول اطمینان از نتایج حذف رنگزا و کاهش هزینه بواسطه کاهش تعداد آزمایشات استفاده کرد.
محسن نیازی؛ علی نقی زاده؛ منصور بازیار
چکیده
چکیده: زمینه و هدف:کدورت آب تصفیه شده به عنوان یک پارامتر مهم در تعیین کیفیت آب آشامیدنی و یا صنعتی در تمامی تصفیه خانه ها اندازه گیری می شود. از دیر باز با توجه به اهمیت یافتن شیوع عوامل بیماریزا مثل ژیاردیا و کریپتوسپوریدیوم که عامل ایجاد بیماری های خطرناکی همچون اسهال خونی می باشند، رابطه کاهش میزان کدورت و افزایش حذف این میکروارگانیزم ...
بیشتر
چکیده: زمینه و هدف:کدورت آب تصفیه شده به عنوان یک پارامتر مهم در تعیین کیفیت آب آشامیدنی و یا صنعتی در تمامی تصفیه خانه ها اندازه گیری می شود. از دیر باز با توجه به اهمیت یافتن شیوع عوامل بیماریزا مثل ژیاردیا و کریپتوسپوریدیوم که عامل ایجاد بیماری های خطرناکی همچون اسهال خونی می باشند، رابطه کاهش میزان کدورت و افزایش حذف این میکروارگانیزم ها در مطالعات به اثبات رسیده است.مواد و روش ها:در این مطالعه یک مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در پیش بینی کدورت خروجی از آب تصفیه شده تصفیه خانه شهر طبس توسعه و عملکرد آنها با هم مقایسه گردید. کل جامدات محلول، pH، ، دما و کدورت ورودی به عنوان پارامترهای ورودی مدل ها در پیش‌بینی‌ها استفاده شد. بهترین الگوریتم پس انتشار و تعداد نورون برای بهینه‌سازی معماری مدل تعیین شد.یافته ها:نتایج نشان داد که الگوریتم لونبرگ-مارکوارت به عنوان بهترین الگوریتم انتخاب شد و تعداد نورون بهینه نیز 16 تعیین شد. همچنین نتایج تحلیل حساسیت مدل شبکه عصبی نشان داد که کدورت ورودی با مقدار 29 درصد به عنوان مهمترین پارامتر در توسعه مدل شبکه عصبی مصنوعی است.نتیجه گیری:نتایج ضریب همبستگی مدل رگرسیون خطی چندگانه و مدل شبکه عصبی مصنوعی به ترتیب برای داده های آموزش 63/0 و 892/0 و برای داده های تست 60/0 و 8571/0 به دست آمد که نشان از برتری مدل شبکه عصبی مصنوعی در پیش بینی کدورت خروجی از تصفیه خانه آب طبس است.
علیرضا احسان زاده؛ فرهاد نژادکورکی؛ ستار خدادوستان
چکیده
زمینه و هدف: ذرات معلق موجود در هوا با منشأ طبیعی و انسانی، تأثیرات قابل توجهی بر آب‌و‌هوا، محیط زیست و سلامت انسان دارند. مطالعات اپیدمیولوژیک متعددی نشان داده‌اند که بین غلظت ذرات معلق با نتایج نامطلوب بهداشتی مختلف ارتباط مستقیمی وجود دارد، لذا مطالعه حاضر با هدف کلی تعیین مهمترین پارامترهای تأثیرگذار بر غلظت PM10 ایستگاه تجریش ...
بیشتر
زمینه و هدف: ذرات معلق موجود در هوا با منشأ طبیعی و انسانی، تأثیرات قابل توجهی بر آب‌و‌هوا، محیط زیست و سلامت انسان دارند. مطالعات اپیدمیولوژیک متعددی نشان داده‌اند که بین غلظت ذرات معلق با نتایج نامطلوب بهداشتی مختلف ارتباط مستقیمی وجود دارد، لذا مطالعه حاضر با هدف کلی تعیین مهمترین پارامترهای تأثیرگذار بر غلظت PM10 ایستگاه تجریش تهران و ایجاد مدل برآوردگر PM10 انجام شد. روش‌کار: در مطالعه حاضر یک مدل با استفاده از رگرسیون مؤلفه های اصلی (PCR) برای بررسی ارتباط بین غلظت ساعتی ذرات معلق کوچک‌تر از 10 میکرون با پارامترهای هواشناسی (سرعت و جهت باد، فشار، رطوبت و دمای هوا) و آلودگی هوای (CO، NO2، SO2، NOx، NMHC و THC) ایستگاه تجریش شهر تهران مربوط به دوره زمانی 1385 تا 1390 ارائه شد. نتایج ارزیابی عملکرد مدل PCR در مرحله آموزش و آزمون با استفاده از شاخص‌های آماری RMSE، MAE، R و IA مورد سنجش قرار گرفت. یافته‌ها: نتایج ورود مؤلفه‌های اصلی به مدل رگرسیون چندگانه نشان داد که مهمترین متغیر مؤثر بر غلظت PM10، دمای هوا و سرعت باد می‌باشند. همچنین آلاینده‌های CO و SO2 عوامل تشدید کننده PM10 هستند. نتایج نشان داد مدل PCR در مرحله آزمون قابلیت تخمین 41 درصد مقادیر PM10 را دارد. نتیجه‌گیری: نتایج تحلیل رگرسیون مؤلفه‌های اصلی نشان داد که پارامترهای هواشناسی از عوامل مؤثر بر کاهش غلظت PM10 در محدوده ایستگاه تجریش می‌باشند.