مقاله بهینه سازی و پیش بینی فرایند فتوکاتالیستی با پوشش نانو ذرات تیتانیا بر سطح بتن برای تصفیه آب حاوی فنل

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله بهینه سازی و پیش بینی فرایند فتوکاتالیستی با پوشش نانو ذرات تیتانیا بر سطح بتن برای تصفیه آب حاوی فنل دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بهینه سازی و پیش بینی فرایند فتوکاتالیستی با پوشش نانو ذرات تیتانیا بر سطح بتن برای تصفیه آب حاوی فنل  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بهینه سازی و پیش بینی فرایند فتوکاتالیستی با پوشش نانو ذرات تیتانیا بر سطح بتن برای تصفیه آب حاوی فنل،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بهینه سازی و پیش بینی فرایند فتوکاتالیستی با پوشش نانو ذرات تیتانیا بر سطح بتن برای تصفیه آب حاوی فنل :

تعداد صفحات :۲۲

در این تحقیق، بهینه‌سازی فرایند فتوکاتالیستی توسط روش تاگوچی و پیش‌بینی راندمان حذف سیستم توسط شبکه عصبی مصنوعی انجام شد. راکتور فتوکاتالیستی از نوع پوشش یافته بود که انرژی مورد نیاز برای تحریک نانوذرات تیتانیا و تولید رادیکال‌های هیدروکسیل جهت تجزیه فنل موجود در آب با استفاده از لامپ‌های UV-A تأمین می‌شد. جهت بهینه‌سازی فرایند با استفاده از روش تاگوچی و آرایه استاندارد L16، تاثیر پارامترهای موثر شامل غلظت آلاینده ورودی (mg/L 500-50)، شدت تابش لامپ‌ (۶۰-۸ وات)،pH محلول (۱۲-۴)، میزان تیتانیا بر واحد سطح (g/m2 80-20) و فاصله لامپ تا صفحات بتنی (cm 20-5) بررسی شد. نتایج نشان داد که تاثیر غلظت آلاینده ورودی و pH نسبت به سایر عوامل بیشتر بوده و شرایط بهینه ‌بصورت غلظت آلاینده ورودی mg/L50، pH برابر ۱۲، شدت تابش ۶۰ وات، میزان تیتانیا معادل g/m2 80 و فاصله لامپ از صفحات معادل cm 10 تعیین گردید. پیش‌بینی فرایند با استفاده از شبکه عصبی مصنوعی نشان داد که ساختار شبکه بصورت دو لایه پنهان و توابع انتقال گوسین در لایه پنهان اول، تانژانت هیپربولیک در لایه پنهان دوم و سیگموئید در لایه پنهان خروجی و ساختار (۱-۴-۶-۵) بهترین جواب بوده و اختلاف میان نتایج آزمایشگاه و مدل کمتر از ۵ درصد می‌باشد.