تعیین چگالی کوپلیمرها به کمک شبکه عصبی مصنوعی و مطالعه ی آزمایشگاهی، مدل سازی و بهینه سازی فرآیند جذب سطحی همزمانی رنگ ها بر روی نانوسیم مس با استفاده از تکنیک های اسپکتروفتومتری مشتقی و شبکه عصبی مصنوعی

پایان نامه
چکیده

خواص حجمی مواد کوپلیمری دارای اهمیت زیادی برای دانشمندان و مهندسان پلیمر است. بنابراین، یک مدل دقیق برای توضیح این رفتار در طیف وسیعی از دما و فشار مورد نیاز است. شبکه های عصبی مصنوعی امروزه کاربردهای فراوانی در زمینه مدل سازی سیستم های مختلف دارند. در بخش اول این پژوهش با استفاده از یک شبکه عصبی پرسپترون چندلایه مدلی برای محاسبه چگالی کوپلیمر ها مورد بررسی قرار گرفت، کوپلیمرهایی مانند: پلی اتیلن_پروپیلن (pep)، پلی اتیلن_وینیل استات (peva)، پلی اتیلن_متاکریلیک اسید (pema)، پلی اتیلن_اکریلیک اسید (peaa)، پلی اتیلن_وینیل الکل (pevoh)، پلی استایرن_کریلونیتریل (psan)، پلی اکریلونیتریل_بوتادین (panb). نتایج به دست آمده با معادله حالت تائو_میسون تصحیح شده مورد مقایسه قرار گرفت. نتایج به دست آمده نشان می دهد که اثر مدل شبکه عصبی توافق خوبی با داده های تجربی با میانگین مربعات خطای 2/3 ×10-5 و ضریب همبستگی 99/0دارند. بخش دوم: بخش دوم مبتنی بر استفاده از نانوسیم مس نشانده شده روی کربن فعال در حضور امواج فراصوت برای حذف همزمان رنگ های دی سولفین بلو، کریستال ویولت و سانست یلو می باشد. آنالیز هم زمان با روش مستقی انجام شد و مقدار جذب برای رنگ سانست یلو در مشتق مرتبه ی اول در طول موج 450 نانومتر و برای رنگ های دی سولفین بلو و کریستال ویوله در مشتق مرتبه ی دوم به ترتیب در طول موج های 662 و 579 نانومتربه دست آمد. در این بخش اثر پارامترهای مختلف شامل ph، مقدار جاذب، غلظت رنگ ها و زمان بهم خوردن روی درصد حذف با روش طراحی آزمایش مورد بررسی و بهینه سازی قرار گرفت. مقدار جاذب 02/0 گرم، غلظت رنگ دی سولفین بلو00/7 میلی گرم بر لیتر، غلظت رنگ کریستال ویوله 6/82 میلی گرم بر لیتر، سانست یلو 00/7 میلی گرم بر لیتر و زمان تماس 3 دقیقه به عنوان شرایط بهینه حذف حاصل شدند. ایزوترم های جذبی، مدل های سینتیکی و معادلات ترمودینامیکی مورد بررسی و قابلیت استفاده از آن ها در شرایط بهینه بررسی گردید. در ادامه از شبکه عصبی مصنوعی برای مدل سازی درصد حذف رنگ ها مورد استفاده قرار گرفت که نتایج نشان می دهند مدل سازی شبکه عصبی نسبت به روش پاسخ سطح توافق بیشتری با داده های تجربی دارد

منابع مشابه

مدل سازی جذب سطحی متیلن بلو بر روی تفاله چای اصلاح شده با سورفکتانت با استفاده از شبکه عصبی مصنوعی

مدل‌سازی فرایند جذب سطحی رنگ‌دانه متیلن بلو (+MB) بر روی تفاله چای (TW) اصلاح‌شده با سورفکتانت آنیونی (SDS) با استفاده از شبکه عصبی مصنوعی انجام شد. آزمون‌های FTIR و EDS برای بررسی حضور مولکول‌های SDS بر سطح جاذب استفاده و مشخص شد که آنیون‌های -SO3 از طریق مکانیسم‌ تبادل یونی به جذب +MB کمک می‌کنند. نتایج ایزوترم جذب با معادلات ایزوترم لانگمویر و فرندلیچ تطبیق داده شد و ظرفیت جذب لانگمویر (Qmax...

متن کامل

مدل سازی محلی پروفیل چگالی الکترون یون سپهری ماهواره ی FORMOSAT-3/COSMIC با استفاده از شبکه های عصبی مصنوعی

مطالعه و سنجش  یون  سپهر در علوم مختلف از جمله مطالعات فضایی و برای بهبود آنالیز و پیش بینی فضایی هوا  شامل طوفان های ژئومغناطیسی، بررسی پدیده ها و ناهنجاری های یون سپهری، سیستم های مخابراتی،ژئوفیزیکی، مطالعه پیش نشانگری زلزله و مخاطرات طبیعی  بسیار کارآمد می باشد. برای توصیف فرآیندهای فیزیکی و شیمیایی رخ داده در لایه یون سپهر تغییرات پی در پی چگالی الکترون این لایه  با تغییرات زمان و م...

متن کامل

مدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی

در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...

متن کامل

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

متن کامل

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

متن کامل

مدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی

Accurate simulation runoff process can have a significant role in water resources management and related issues. The inherent complexity of  this process makes difficult the use of physical and numerical models. In recent years, application of intelligent models is increased a powerful tool in hydrological modeling. The aim of this study was the application of the Gamma test to select the optim...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه یاسوج - دانشکده علوم پایه

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023