زمینه و هدف:حضور فنل و مشتقات آن در آب و فاضلاب به دلیل خطراتی که بر روی سلامت انسان و محیط زیست دارد، به عنوان یک نگرانی عمده محسوب می شود. به دلیل سمی بودن فنل حتی در غلظت های کم و هم چنین به دلیل این که حضور آن در منابع طبیعی آب می تواند سبب شکل گیری ترکیبات جانبی فرآیندهای گندزدایی و اکسیداسیون شود، این ماده یکی از شایع ترین مواد آلی آلاینده آب می باشد. در مطالعه حاضر فرآیند جذب سطحی فنل از فاضلاب توسط جاذب خاک اره با استفاده از روش های هوش مند شبیه سازی شده است. روش بررسی:شیوه های هوش مند شبکه پرسپترون چندلایه، شبکه برپایه توابع شعاعی و ماشین بردار رگرسیونی جهت شبیه سازی استفاده شده است. جهت طراحی ساختار شبکه ها از 125 مجموعه داده تجربی استفاده شده است. معیارهای ارزیابی و توقف شبکه شامل %AARE و R2 می باشند که برای هر سه مدل محاسبه شده است. یافته ها:نتایج نشان داد که مدل ماشین بردار رگرسیونی با داشتن 5132/0 و 979/0 به ترتیب برای %AARE و R2 بهترین مدل می باشد. کلیه مدل ها نتیجه بهتری نسبت به مدل چند جمله ای درجه دوم از خود نشان دادند. مدل ها تطبیق خوبی با داده های تجربی داشتند. بحث و نتیجه گیری: نتایج مدل ها نشان داد که این مدل ها مقدار جذب فنل را با دقت بالا پیش بینی می نماید. هم چنین براساس نتاج مدل ها، پارامترهای بهینه فرآیند شامل، غلظت اولیه فنل 6/127 میلی گرم بر لیتر، مقدار جاذب 84/0 گرم بر لیتر، pH محلول 62/3، زمان جذب 9/146 دقیقه و درصد جذب فنل متناظر 23/91 % به دست آمد. پرونده مقاله

In the present study, prediction of Alumina recovery efficiency (A.R.E), the amount of produced red mud (A.P.R), red mud settling rate (R.S.R) and bound-soda losses (B.S.L) in Bayer process red mud has been carried out for the first time in the field. These predictions are based on Lime to bauxite ratio and chemical analyses of bauxite and lime as Bayer process feed materials. Radial basis function (RBF) and Multilayer perceptron (MLP) as artificial neural networks and the multiple linear regression (MLR) method have been used to predict these parameters in the Iran Alumina Company. According to the obtained results, it is evident that the RBF method has outperformed the other two methods in the prediction of A.R.E, A.P.R and B.S.L. However the Multilayer perceptron (MLP) method can produce better and more precise results in the prediction of R.S.R. This research also exposes more effective variables on A.R.E, A.P.R, R.S.R, and B.S.L. پرونده مقاله

امروزه پایه کاتالیست‌ها به منظور کاهش هزینه در واحد حجم و توزیع مناسب و نیز افزایش سطح تماس آن‌ها به طور گسترده ای مورد استفاده قرار می‌گیرد. سطح ویژه، استحکام و تخلخل مناسب از ویژگی‌های یک پایه کاتالیستی است. آلومینا به دلیل داشتن فازهای متنوع و گسترده ای از این مشخصات، در بین مواد متفاوت کاربرد بسیار فراوانی را در تعداد زیادی از واکنش‌های شیمیایی صنعتی دارد. در این پژوهش بدون حضور مواد افزودنی و روش‌های متداول برای افزایش سطح و استحکام، از روش‌سل-ژل در تولید پایه آلومینا استفاده شد و تأثیر نوع روش، نمک، رسوب دهنده بر سطح ویژه آن مورد بررسی قرار گرفت. نتیجه‌ها نشان می‌دهند، پایه تولید شده با استفاده از نمک اسیدی آلومینیم نیترات و رسوب دهنده قلیایی آمونیاک دارای سطح m2/g 300 است که بیشترین سطح ویژه را دارد. هم چنین پایه‌ی تولیدی از آمونیاک و نمک آلومینیم سولفات دارای سطح ویژه m2/g 51، است. پرونده مقاله