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