- Tytuł:
-
Zastosowanie SSN w modelowaniu równowagi sorpcyjnej jonów metali ciężkich na klinoptylolicie
Application of ANN to the sorption equilibrium modelling of heavy metal ions on clinoptilolite - Autorzy:
-
Tomczak, E.
Kamiński, W. - Powiązania:
- https://bibliotekanauki.pl/articles/125729.pdf
- Data publikacji:
- 2012
- Wydawca:
- Towarzystwo Chemii i Inżynierii Ekologicznej
- Tematy:
-
sztuczne sieci neuronowe
równowaga adsorpcyjna
jony metali ciężkich
klinoptylolit
artificial neural network
adsorption equilibrium
heavy metals ions
clinoptilolite - Opis:
-
Zainteresowanie sztucznymi sieciami neuronowymi potwierdza wzrost publikacji z dziedziny inżynierii chemicznej, procesowej i ochrony środowiska. Po doborze odpowiedniej architektury sieci i metody uczenia można przystąpić do trenowania sieci na podstawie przeprowadzonych eksperymentów. W takim podejściu nie jest wymagana znajomość matematycznego opis procesu/obiektu. W pracy przedstawiono możliwość przewidywania izoterm sorpcji za pomocą perceptronu wielowarstwowego (MLP) w układach jedno-, dwui wieloskładnikowych. Obliczenia neuronowe oparto na badaniach eksperymentalnych przeprowadzonych dla układu klinoptylolit - mieszanina jonów metali ciężkich: Cu(II), Zn(II), i Ni(II). Jakość obliczeń sprawdzono za pomocą kwadratu współczynnika determinacji i średniego błędu kwadratowego, uzyskując wysoce zadowalające wyniki. Stwierdzono przydatność klinoptylolitu do usuwania jonów metali ciężkich z roztworu. Określono selektywność tego zeolitu zgodnie z szeregiem: Cu(II) > Zn(II) > Ni(II).
The latest achievements in the field of mathematical modelling include the application of artificial neural networks (ANN). A recent dynamic development of ANN provided an efficient and universal tool that is used to solve many tasks, including modelling, approximation and identification of objects. The initial step of applying the network to a given process consists in the determination of weights of the proposed neural network structure. This is performed on the basis of training data. A network that is properly trained allows correct information to be obtained on the basis of other data which have not been used in the network training. In most cases the network training is performed on the basis of a known mathematical model. However, the training of a network can be also performed using experimental data. In the last decade a growing interest is observed in inexpensive and very cheap adsorbents to remove heavy metal ions. Clinoptilolite is the mineral sorbent extracted in Poland used to remove heavy metal ions from diluted solutions. Equilibrium experiments were carried out to estimate sorptivity of a clinoptilolite and its selectivity towards Cu(II), Zn(II) and Ni(II) ions in multicomponent solution. Calculations with the use of MLP enabled description of sorption isotherms for when one, two and three ions were present at the same time in the solution. The network also enabled an analysis of sorption of the selected ion, taking into account the effect of its concentration. - Źródło:
-
Proceedings of ECOpole; 2012, 6, 2; 664-669
1898-617X
2084-4557 - Pojawia się w:
- Proceedings of ECOpole
- Dostawca treści:
- Biblioteka Nauki
Artykuł