هوش مصنوعی برای حذف آلایندههای زیستمحیطی: جذب یون سزیم بر روی Ti-MOF/rGO
هوش مصنوعی برای حذف آلایندههای زیستمحیطی: جذب یون سزیم بر روی Ti-MOF/rGO
سوده سجادی1 سپیده شفیعی2
1) عضو هیئت علمی پژوهشکده کاربرد پرتوها
2) عضو هیئت علمی پژوهشکده کاربرد پرتوها
کد IOI مقاله
:
AAHD-ABKABG
محل انتشار :
کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
حذف کارآمد یونهای سزیم از محیطهای آبی به دلیل تحرک و حلالیت بالای آنها، همچنان یک چالش مهم زیستمحیطی است. در این تحقیق، یک کامپوزیت هیبریدی NH₂-MIL-125(Ti)/اکسید گرافن احیا شده (rGO) به عنوان جاذبی مؤثر برای حذف سزیم از محلول آبی توسعه داده شده است. پارامترهای عملیاتی شامل pH، غلظت اولیه یون سزیم، مقدار جاذب و زمان تماس به عنوان ورودی برای پیشبینی راندمان جذب استفاده شدند. سه الگوریتم مبتنی بر رگرسیون - Random Forest، Multi-Layer Perceptron و Extreme Gradient Boosting - پیادهسازی و برای ارزیابی عملکرد پیشبینیکننده آنها مقایسه شدهاند. نتایج نشان داد که روشهای یادگیری گروهی و مبتنی بر هسته به طور مؤثر روابط غیرخطی حاکم بر فرآیند جذب را ثبت میکنند. در میان مدلهای آزمایش شده، MLP دقت و استحکام بالاتری را در پیشبینی رفتار سیستم نشان دادد. تجزیه و تحلیل پارامترها، تأثیر غالب pH و غلظت اولیه بر راندمان حذف را نشان داد. این مطالعه قدرت مدلسازی مبتنی بر داده در درک سیستمهای جذب پیچیده را نشان میدهد و یک چارچوب پیشبینیکننده قابل اعتماد برای بهینهسازی شرایط فرآیند جذب در کاربردهای زیست محیطی را ارائه میدهد.
کلمات کلیدی : حذف یون سزیم یادگیری ماشین مدل سازی پیش بینی کننده جاذب چارچوبهای آلی فلزی بر پایه تیتانیوم/گرافن اکسید کاهشیافته