بهينه سازي فرايند تثبيت و جامدسازي سيماني لجن صنايع آبكاري توسط شبكه عصبي مصنوعي و روش سطح پاسخ

Optimization of Solidification and Cement Stabilization of Electroplating Sludge by Response Surface Methodology and Artificial Neural Network Methods

فرایند تثبیت و جامدسازی یكی از روش­ های دفع پسماندهای خطرناك می ­باشد. در این پژوهش از اختلاط آب مقطر، سیمان پرتلند تیپ دو، آهك و منیزیم اكسید برای تثبیت و جامد سازی لجن صنایع آبكاری استفاده شد. در این مطالعه مقاومت فشاری و میزان غلظت كروم و روی در شیرابه TCLP به عنوان پاسخ در نظر گرفته شد. طراحی 30 آزمایش براساس طرح مركب مركزی برای محاسبه معادله مدل در روش سطح پاسخ و آموزش شبكه عصبی مصنوعی انجام شد. از طراحی تصادفی 10 آزمایش برای صحت سنجی روش های چند متغیره استفاده شد. سپس بهینه سازی فرایند تثبیت و جامدسازی با استفاده از روش سطح پاسخ و شبكه عصبی مصنوعی با یكدیگر مقایسه شد. با توجه به نتیجه­ های مطالعه، از هر دو روش می­ توان با اطمینان بالا در بهینه سازی فرایند استفاده كرد. شبكه عصبی مصنوعی نسبت به روش سطح پاسخ، روشی دقیق تر در مدل­ سازی فرایند تثبیت و جامدسازی بود. همچنین برای رسیدن به بیش­ ترین لجن خشك قابل دفن طبق استاندارد، میزان منیزیم اكسید، آهك، آب و سیمان مصرفی با توجه به مدل روش سطح پاسخ به ترتیب برابر 3/15، 6/3، 5/49، 19 گرم و براساس شبكه عصبی مصنوعی به ترتیب برابر 9/14، 4/3، 46، 5/18 گرم برای 100 گرم لجن خشك صنایع آبكاری به ­دست آمد.

Solidification/Stabilization (S/S) is used for treatment of various types of hazardous wastes. A systematic study was conducted for treatment of electroplating sludge by Solidification/Stabilization (S/S) with Ordinary Portland Cement (OPC), with the addition of distilled water, lime and magnesium oxide (MgO). Response Surface Methodology (RSM) and Artificial Neural Network (ANN) in combination with Central Composite Design (CCD) were employed to develop the predictive models for simulation and optimization of S/S process. The independent variables were the amount of MgO, electroplating dried sludge, lime, distilled water, while the compressive strength, concentration of zinc and chromium in Toxicity Characteristic Leaching Procedure (TCLP) leachate of the solidified waste after 28 days of hydration were the response variables of 30 specimens. Both RSM and ANN models have been developed based on the experimental designs. The generalization and predictive capabilities of both RSM and ANN were compared by unseen data. Therefore, ten experiments were designed randomly and the predicted responses obtained by ANN and RSM were compared with the experimental results. The results show that the optimized method by ANN or RSM can be used as a confident method for determination of compressive strength of the solidified wastes and concentration of zinc and chromium in TCLP leachates. However, the data calculated by ANN model are more similar to experiments results than that of RSM predicted results.  according to RSM and ANN, optimum combination were found 15.3 g, 100 g, 3.6 g, 19 g and 49.5 mL and 14.9 g, 100 g, 3.4 g, 18.5 g, 46 mL of MgO, waste, lime, cement and distilled water, respectively.