بهینه سازی حذف رنگزای آنیونی روی نانوکامپوزیت مغناطیسی fe3o4-کربن فعال با استفاده از شبکه های عصبی مصنوعی

زمینه و هدف: پساب های حاوی رنگزاها که از صنایع مختلف تولید می شوند، اثرات و پیامدهای مخربی بر محیط زیست میگذارند. از این رو، ارائه ی مدلهای ریاضی تحلیلی و عددی که قادر به شبیه سازی فرایند حذف رنگ از پسابهای صنعتی باشند، از اهمیت بسیاری برخوردار است. مواد و روشها: در این پژوهش، ابتدا نانوکامپوزیت مغناطیسی fe3o4 کربن فعال به روش هم رسوبی سنتز و ساختار بلوری و ویژگیهای سطحی و مغناطیسی آن با تکنیک های vsm و sem ،xrd شناسایی شد. کارآیی جاذب کامپوزیتی برای حذف رنگزای آنیونی ری اکتیو رد از محلول آبی در شرایط مختلف مورد بررسی قرار گرفت. سپس، با استفاده از نرم افزار متلب (matlab) یک شبکه ی عصبی مصنوعی برای پیش بینی بازدهی حذف رنگزا به وسیله ی کربن فعال مغناطیسی طراحی و تعداد لایه های پنهان آن بهینه شد. بدین منظور، پارامترهای ph، زمان تماس، غلظت،اولیه ی رنگزا، و دما به عنوان ورودی، و درصد حذف رنگزا به عنوان خروجی شبکه ی عصبی در نظر گرفته شد. عملکرد شبکه پس از آموزش آن بر مبنای ضریب همبستگی مورد ارزیابی قرار گرفت. داده های تجربی با مدل های سینتیکی شبه مرتبه ی اول، شبه مرتبه ی دوم، و نفوذ درون ذره ای برازش شد. مدل های لانگمویر و فروندلیچ برای توصیف ایزوترم های تعادلی جذب به کار برده شدند. یافته ها: ضریب بالای همبستگی برای داده های آزمون (0.98953) نشان داد که مدل شبکه ی عصبی در پیش بینی داده های تجربی موفق است. مدل های سینتیکی درون ذره ای و ایزوترم فروندلیچ با داده های تجربی انطباق بیشتری داشتند. انرژی فعالسازی نسبتاً پایین (34.6 mol-1 kj) نشان داد که جذب سطحی دارای ماهیت فیزیکی است. حداکثر ظرفیت جذب با افزایش دما کاهش یافت. نتیجه گیری: استفاده از پیشبینی شبکه ی عصبی منجر به حذف آزمایش های تکراری و بهبود درصد حذف رنگزا می شود.