تعیین اثر PH، آرسنات اولیه بر آرسنات جذب‌شده با جاذب سطحی و تصمیم‌گیری براساس منطق فازی
چکیده
هدف: پژوهش حاضر با هدف توسعه یک چارچوب تحلیلی مبتنی بر منطق فازی انجام شده است تا بتواند تاثیر هم‌زمان PH و غلظت اولیه آرسنات بر میزان آرسنات جذب‌شده توسط جاذب سطحی را با دقت بالا پیش‌بینی نماید.
روش‌شناسی پژوهش: به این منظور، با استفاده از داده‌های تجربی و به‌کارگیری اصول هوش مصنوعی، یک سیستم تصمیم‌گیری فازی طراحی و پیاده‌سازی شد که قادر است در شرایط مختلف محیطی، مقادیر جذب‌شده آرسنات را با دقت مناسبی برآورد کند.
یافته‌ها: از مهم‌ترین مزایای این روش می‌توان به کاهش پیچیدگی‌های مدلسازی، کاهش زمان توسعه مدل و کاهش هزینه‌های محاسباتی اشاره کرد. نتایج حاصل از تحلیل خروجی‌های مدل فازی طراحی‌شده با داده‌های آزمایشگاهی نشان داد که این سیستم با میانگین خطای حدود %۱۰ توانسته است پاسخ‌های دقیقی در گستره وسیعی از مقادیر ورودی ارایه دهد. این دقت قابل قبول، نشان از قابلیت بالای روش فازی در شبیه‌سازی سیستم‌های غیرخطی و وابسته به چند متغیر دارد.
اصالت/ارزش افزوده علمی: نوآوری این پژوهش در به‌کارگیری رویکرد منطق فازی به‌عنوان جایگزینی موثر و نوآورانه برای مدل‌های تحلیلی سنتی در فرآیند جذب و همچنین در طراحی سیستمی است که توانایی پیش‌بینی رفتار جذب آرسنات را در شرایط متغیر PH و غلظت اولیه دارا است. هرچند در حال حاضر این مدل فقط برای سیستم جذب آرسنات اعتبارسنجی شده، اما چارچوب توسعه‌یافته می‌تواند در آینده به‌عنوان پایه‌ای برای مدلسازی سایر سیستم‌های جذب نیز مورد استفاده قرار گیرد.
کلمات کلیدی:
منطق فازی، تاثیر PH، جذب سطحی، تاثیر غلظت ورودیمراجع
- [1] Lutzenkirchen, J. (2006). Surface complexation modelling. Elsevier. https://www.sciencedirect.com/bookseries/interface-science-and-technology/vol/11/suppl/C
- [2] Liu, Y. (2006). Some consideration on the Langmuir isotherm equation. Colloids and surfaces A: Physicochemical and engineering aspects, 274(1–3), 34–36. https://doi.org/10.1016/j.colsurfa.2005.08.029
- [3] Vigdorowitsch, M., Pchelintsev, A., Tsygankova, L., & Tanygina, E. (2021). Freundlich isotherm: An adsorption model complete framework. Applied sciences, 11(17), 8078. http://dx.doi.org/10.3390/app11178078
- [4] Freundlich, H. (1926). New conceptions in colloidal chemistry. In Colloid and capillary chemistry. ACS publications.
- [5] Zadeh, L. A. (1965). Fuzzy sets. Information and control, 8(3), 338–353. https://doi.org/10.1016/S0019-9958(65)90241-X
- [6] Al-Degs, Y. S., El-Barghouthi, M. I., El-Sheikh, A. H., & Walker, G. M. (2008). Effect of solution pH, ionic strength, and temperature on adsorption behavior of reactive dyes on activated carbon. Dyes and pigments, 77(1), 16–23. https://doi.org/10.1016/j.dyepig.2007.03.001
- [7] Yang, S., Li, J., Shao, D., Hu, J., & Wang, X. (2009). Adsorption of Ni(II) on oxidized multi-walled carbon nanotubes: Effect of contact time, pH, foreign ions and PAA. Journal of hazardous materials, 166(1), 109–116. https://doi.org/10.1016/j.jhazmat.2008.11.003
- [8] Javadian, H., Asadollahpour, S., Ruiz, M., Sastre, A. M., Ghasemi, M., Asl, S. M. H., & Masomi, M. (2018). Using fuzzy inference system to predict Pb (II) removal from aqueous solutions by magnetic Fe3O4/H2SO4-activated Myrtus Communis leaves carbon nanocomposite. Journal of the taiwan institute of chemical engineers, 91, 186–199. https://doi.org/10.1016/j.jtice.2018.06.021
دانلود
چاپ شده
شماره
نوع مقاله
ارجاع به مقاله
شماره 1