مقاله ترجمه شده مدلسازی شبکه های عصبی مصنوعی پروسه های فرآوری آب های آلوده توسط نانوکاتالیزورهای همگون و ناهمگون

مدلسازی شبکه های عصبی مصنوعی پروسه های فرآوری آب های آلوده توسط نانوکاتالیزورهای همگون و ناهمگون

چکیده

شبکه های مصنوعی عصبی (ANNs) عبارت از سیستم های کامپیوتر مدار می باشد که برای شبیه سازی پروسه یادگیری نورون ها در مغز انسان طراحی شده است. طی دهه اخیر ANNs توجه بسیاری را به عنوان مدل پیش بینی و شناخت الگویی را به خود معطوف نموده است. شبکه های مصنوعی عصبی از قابلیت یادگیری از دسته ای از داده های آزمایشی بدون دانش حقیقی قوانین فیزیکی و شیمیایی که سیستم را کنترل می کند، برخوردارند. بنابراین، کاربرد ANNs در فرآوری داده ها به ویژه در جایی اهمیت بسیاری دارد که سیستم ها دارای رفتار غیرخطی و جامع می باشند. در سال های اخیر پروسه های پیشرفته اکسیداسیون (AOPs) اعم از پروسه های نانوکاتالیزور همگون و ناهمگون برای اکسیده نمودن سریع پیشنهاد شده و نیز در مورد ویژگی غیرانتخابی طیف وسیعی از آلاینده های آب نیز صدق می کند. به علت پیچیدگی واکنش ها در AOPs، اثرات ناشی از پارامترهای عملیاتی متفاوت مربوطه به سختی تعیین می شود و از این رو عدم قطعیت در طراحی و مقیاس بندی رآکتورهای شیمیایی صنعتی روی می دهد. بخوبی مشهود است که امکان حل این مسئله با همبستگی ساده خطی و چند متغیر وجود ندارد. شبکه های عصبی مصنوعی به منزله یک تکنیک جایگزین و امیدوارکننده مدلسازی محسوب می شوند. در این مقاله به اختصار کاربرد شبکه های مصنوعی عصبی برای مدلسازی فرآوری آب و فاضلاب با استفاده از پروسه های همگون و ناهمگون نانوکاتالیزور توضیح داده شده است. نمونه هایی از کاربردهای اولیه ANNs در مدلسازی و شبیه سازی پروسه های فتوکاتالیزوری، فتواکسیداتیو و الکتروشیمیایی مورد بررسی قرار گرفته است

تعداد صفحات ترجمه شده :25

تعداد صفحات انگلیسی:15

• مشخصات محصول
• دسته‌بندی محصول
• برچسب‌ها
• دیدگاه‌ها