مدل سازي فرآيند اكسايش فوتو شيميايي تركيبي (UV/PS/Ce(IV به روش شبكه عصبي مصنوعي

از ديدگاه كاربردي، يك مدل كارآمد جهت شبيه سازي اجراي يك فرآيند مي تواند نقش مهمي در كنترل آن در شرايط عملكردي مطلوبش ايقا نمايد. در پژوهش جاضر نتايج حاصل از تخريب ماده دايركت رد 16 (DR16) توسط يك فرايند فوتوشيميايي تركيبي در حضور پرسولفات (PS) به عنوان اكسنده فوتوشيميايي و يون سريم (Ce(IV)) به عنوان اكسنده شيميايي از طريق روش شبكه عصبي مصنوعي (ANN) مدل سازي گرديده است. به اين منظور يك شبكه سه لايه اي متشكل از يك لايه ورودي، يك لايه پنهاني و يك لايه خروجي در نظر گرفته شد. PH محيط، نسبت اوليه مقدار هر كدام از اكسنده ها به DR16 و زمان واكنش به عنوان متغيرهاي ورودي به شبكه و ميزان بازده تخريب DR16 به عنوان پاسخ خروجي از شبكه تعريف گرديدند. نوع الگوريتم هاي آموزشي و توابع انتقال، تعداد نرون هاي لايه پنهان و تعداد تكرار آموزش به عنوان پارامترهاي بهينه سازي ساختار شبكه براي رسيدن به بهترين شبيه سازي فرايند بودند. معيار كمترين ميانگين مربعات خطا (MSE) جهت انتخاب بهترين مدل بكار رفت. نتايج نشان داد كه شبكه اي با بگار گيري الگوريتم آموزشي Levenberg–Marquardt (trainlm) توابع انتقال tansig تعداد 7 نرون پنهان و دويست تكرار در يادگيري توانست بهترين شبيه سازي داده هاي تجربي را اجرا نمايد. همچنين براساس ماتريكس اوزان اتصالات نرون هاي شبكه، ترتيب اهميت نسبي متغيرهاي ورودي بر پاسخ خروجي شبكه به صورت pH0]DR16[/0]PS[ 0]DR16[/0]Ce[tim تعيين گرديد