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.