شبيه سازي استخراج فنل از فاضلاب با حلال تري بوتيل فسفات با استفاده از شبكه عصبي مصنوعي

در مطالعه حاضراز شبكه عصبي مصنوعي براي پيش بيني راندمان استخراج فنل با استفاده از حلال تري بوتيل فسفات استفاده شده است. متغيرهاي ورودي شبكه شامل نسبت حجمي آلي به آبي، سرعت روتور، دما، اسيديته و زمان مي باشد و متغير خروجي شبكه بازده استخراج فنل انتخاب گرديد. براي آموزش و ارزيابي شبكه عصبي از 184 داده تجربي استفاده شده است. براي به دست آوردن ساختار بهينه شبكه مورد نظر از شبكه با تعداد لايه ها و نرون هاي مختلف استفاده گرديد و شبكه بهينه با يك لايه و تعداد 10 نرون به‌دست آمد. به منظور ارزيابي عملكرد شبكه بهينه از ميانگين ريشه دوم خطا و ضريب همبستگي كه به ترتيب برابر 039/1 و 99/0 به دست آمد، استفاده گرديد. شرايط بهينه فرآيند، نسبت آلي به آبي 22/0، سرعت روتور 350 دور در دقيقه، دما 76/22درجه سانتي گراد، اسيديته 5/7 و زمان 86/15 دقيقه با بازده استخراج متناظر 23/96 به دست آمد.

In present work, artificial neural networks were used to prediction of phenol extraction using TBP solvent. Volume ratio of organic to aqueous, rotor speed, temperature, pH and time were selected input variables of the networks whereas extraction efficiency was selected output variable. The network was trained and evaluated using 184 experimental data. The network with one hidden layer with 10 neurons was selected as optimal network. RMSE and R2are the criteria for evaluating the performance of the network were obtained to 1.039 and 0.99, respectively. Optimal process conditions, the ratio of organic to aqueous 0.22, rotor speed of 350 rpm, temperature 22.76 °C, pH 7.5 and time of agitation 15.86 minutes and the extraction efficiency corresponding to these conditions 96.23 were obtained.