پایان‌نامه

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

ابتسام آل کثیر

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

اساتید راهنما و مشاور

فخری یوسفی، هجیر کریمی

پایان‌نامه‌های مشابه

اسناد مشابه

  • بررسی سه نوع شبکه عصبی مصنوعی برای مدل سازی افت فشار در سیکلون های جداسازی گاز-جامد و بهینه سازی سیکلون با الگوریتم ژنتیک

    مقالهمجله فنی مهندسی فناوری های نوین در سیستم های انرژینرجس محسن نیا، narjes mohsen nia دانشگاه فردوسی مشهد ملیکه محسن نیا، melikeh mohsen nia دانشگاه صنعتی نوشیروانی بابل محمد مقیمان، mohammad moghimian دانشگاه فردوسی مشهد

    در این مقاله به منظور بررسی ارتباط بین افت فشار سیکلون جداسازی و پارامترهای هندسی سیکلون غبارگیری، سه نوع شبکه عصبی مصنوعی انتشار بازگشتی[1]، شبکه عصبی تابع پایه شعاعی[2] و شبکه عصبی رگرسیون تعمیم یافته[3] به کارگرفته شده­اند. پس از آموزش آن­ها با داده­های تجربی، پارامترهای بهینه

  • مقایسه الگوریتم های رگرسیون لجستیک و شبکه عصبی مصنوعی در مدل سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران

    مقالهپژوهش های محیط زیستمهدی غلامعلی فرد، استادیار، گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه تربیت مدرس شریف جورابیان شوشتری، دانش آموخته کارشناسی ارشد، گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه تربیت مدرس علی اکبر آبکار، استادیار، گروه سنجش از دور، دانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه خواجه نصیرالدین طوسی بابک نعیمی

    تغییرات پوشش سرزمین و توسعه شهرها سبب تخریب زیستگاه های طبیعی و کاهش تنوع زیستی شده است. یکی از روش های مورد استفاده برنامه ریزان جهت کنترل روند تغییرات پوشش سرزمین و کاربری اراضی، مدل سازی می باشد. این مطالعه، با هدف مقایسه رگرسیون لجستیک و پرسپترون چندلایه شبکه عصبی مصنوعی جهت

  • کارایی شبکه عصبی مصنوعی در مدل سازی فرایند جذب یون سیانید از محلول آبی توسط نانوجاذب ZnO@MOF-199

    مقاله۲۰۲۱مواد پیشرفته و پوششهای نوینناهید قاسمی، سهراب روحانی، رضا آقا یاری

    سیانید به عنوان محصول جانبی درپساب صنایع مختلفی وجود دارد که تصفیه آن قبل از ورود به محیط زیست الزامی است. سیانید را می توان با روش های مختلف فیزیکی، شیمیایی و بیولوژیکی از آب و پساب های صنعتی حذف کرد، اما اغلب این روش ها هزینه بر هستند. هدف از این مطالعه، بررسی کارایی شبکه عصبی

  • کاربرد شبکه عصبی مصنوعی در مدل سازی توسعه شهری (مطالعه موردی: شهر گرگان)

    مقاله۲۰۱۱پژوهشهای جغرافیای انسانیحمیدرضا کامیاب، عبدالرسول سلمان، سید محسن حسینی، مهدی غلامعلی فرد

    مدل های شبکه عصبی مصنوعی از مدل های اطلاعات‎محور به‎شمار می‎آیند. مدل تبدیل کاربری/ پوشش زمین، از مدل‎هایی است که شبکه عصبی مصنوعی را با سیستم اطلاعات جغرافیایی مرتبط می سازد و برای مدل‎سازی توسعه شهری در شهر گرگان در دوره زمانی سال های 2001-1987 از همین مدل استفاده شد. این مدل ا

  • مقایسه روش های شبکه عصبی مصنوعی در مدل سازی فرایند تراش کاری ماده مرکب زمینه پلیمری

    مقاله۲۰۱۶نشریه مهندسی مکانیک امیرکبیرمحمدرضا دشت بیاض، مهدی قنبریان

    در این تحقیق ماده مرکب زمینه اپوکسی پرشده با ذرات آلومینیم تهیه گردیده و با تغییر شرایط مختلف تراش کاری شامل: سرعت برش، کسر وزنی ذرات، عمق برش و نرخ پیشروی از قطعات مواد مرکب براده برداری صورت گرفته است. سپس زبری سطح قطعات اندازه گیری شده و برای پیش بینی اثر چهار عامل تراش کاری ب

  • کاربرد شبکه عصبی مصنوعی جهت مدل سازی اثر آسکوربات کلسیم بر افزایش زمان ماندگاری قارچ دکمه ای

    مقالهفناوری های نوین غذاییمحمد سیاری، استادیار گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان فخرالدین صالحی، استادیار گروه علوم و صنایع غذایی، دانشگاه بوعلی سینا، همدان، ایران. سجاد الوندی، دانش آموخته کارشناسی ارشد، گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان

    آسکوربات کلسیم نمک بافر اسید آسکوربیک حاوی کلسیم می باشد و در حفظ کیفیت و کاهش ضایعات محصولات کشاورزی در پس از برداشت مؤثر می باشد. در این مطالعه از مدل سازی شبکه عصبی مصنوعی جهت پیش بینی اثر آسکوربات کلسیم بر زمان ماندگاری قارچ دکمه ای استفاده گردید. پس از اعمال تیمار آسکوربات ک