بهينه سازي حذف رنگزاي آنيوني روي نانوكامپوزيت مغناطيسي Fe3O4-كربن فعال با استفاده از شبكه هاي عصبي مصنوعي

زمينه و هدف: پساب هاي حاوي رنگزاها كه از صنايع مختلف توليد مي شوند، اثرات و پيامدهاي مخربي بر محيط زيست ميگذارند. از اين رو، ارائه ي مدلهاي رياضي تحليلي و عددي كه قادر به شبيه سازي فرايند حذف رنگ از پسابهاي صنعتي باشند، از اهميت بسياري برخوردار است. مواد و روشها: در اين پژوهش، ابتدا نانوكامپوزيت مغناطيسي Fe3O4 كربن فعال به روش هم رسوبي سنتز و ساختار بلوري و ويژگيهاي سطحي و مغناطيسي آن با تكنيك هاي VSM و SEM ،XRD شناسايي شد. كارآيي جاذب كامپوزيتي براي حذف رنگزاي آنيوني ري اكتيو رد از محلول آبي در شرايط مختلف مورد بررسي قرار گرفت. سپس، با استفاده از نرم افزار متلب (Matlab) يك شبكه ي عصبي مصنوعي براي پيش بيني بازدهي حذف رنگزا به وسيله ي كربن فعال مغناطيسي طراحي و تعداد لايه هاي پنهان آن بهينه شد. بدين منظور، پارامترهاي pH، زمان تماس، غلظت،اوليه ي رنگزا، و دما به عنوان ورودي، و درصد حذف رنگزا به عنوان خروجي شبكه ي عصبي در نظر گرفته شد. عملكرد شبكه پس از آموزش آن بر مبناي ضريب همبستگي مورد ارزيابي قرار گرفت. داده هاي تجربي با مدل هاي سينتيكي شبه مرتبه ي اول، شبه مرتبه ي دوم، و نفوذ درون ذره اي برازش شد. مدل هاي لانگموير و فروندليچ براي توصيف ايزوترم هاي تعادلي جذب به كار برده شدند. يافته ها: ضريب بالاي همبستگي براي داده هاي آزمون (0.98953) نشان داد كه مدل شبكه ي عصبي در پيش بيني داده هاي تجربي موفق است. مدل هاي سينتيكي درون ذره اي و ايزوترم فروندليچ با داده هاي تجربي انطباق بيشتري داشتند. انرژي فعالسازي نسبتاً پايين (34.6 mol-1 kJ) نشان داد كه جذب سطحي داراي ماهيت فيزيكي است. حداكثر ظرفيت جذب با افزايش دما كاهش يافت. نتيجه گيري: استفاده از پيشبيني شبكه ي عصبي منجر به حذف آزمايش هاي تكراري و بهبود درصد حذف رنگزا مي شود.