کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل


جستجو



  فیدهای XML
RSS چیست؟

 خواندن نگاه مردان
 اشتباهات طراحی لوگو
 احساس ارزشمندی در رابطه
 انتخاب سگ برای مبتدیها
 ترمیم رابطه بعد خیانت
 جداسازی احساسات شخصی
 اجتناب از احساس گناه
 معرفی نژادهای سگ
 مشکلات کیسه مقعدی گربه
 درآمد از افیلیت مارکتینگ
 رازهای خوشبختی در رابطه
 درآمد از طراحی لوگو آنلاین
 درآمد میلیونی از دوره‌های آموزشی
 اینفلوئنسر حیوانات خانگی
 کپشن‌نویسی با هوش مصنوعی
 ایدز گربه و پیشگیری
 درآمد از پادکست آموزشی
 بیماریهای پوستی سگ
 درآمد از تدریس آنلاین
 آموزش سریع Animaker
 درآمد از یوتیوب
 بازاریابی مخفیانه فروشگاه
 وسایل ضروری سگ
 راهکارهای اعتمادسازی
 تسخیر شبکه‌های اجتماعی
 

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کاملکلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

  



یکی ­از مراحل مهم و اساسی در مهندسی ­و تولید نرم­افزار مرحله یافتن و رفع خطا­های موجود در نرم­افزار است. این مرحله از تولید نرم­افزار جزء وقت­گیرترین و پرهزینه ­ترین مراحل به­ حساب  می­آید]4[. سال­هاست که دانش داده ­کاوی و استخراج دانش به کمک مهندسین نرم­افزار آمده­است. رفع خطا در فرایند تولید بسته به مدل توسعه نرم­افزار چندین بار انجام می­گیرد. خطا­ها و مشکلات برطرف ­شده معمولا به روش­های مختلف تحت عنوان مخازن خطای نرم افزار، مستند­سازی و ذخیره می­ شود. این مخازن منابع عظیم دانش هستند، که کمک بزرگی در تسریع زمان تولید نرم­افزار و پایین­آوردن هزینه­ها خواهد­بود]5[. روش­هایی نیاز­است که این دانش و اطلاعات مفید استخراج شود. در این تحقیق روشی برای سرعت بخشیدن به رفع­خطای جدید با بهره گرفتن از اطلاعات موجود در مخازن خطای نرم­افزار، ارائه شده­است. مدل­های زیادی تا به­حال ارائه ­شده که یا مکمل هم بوده یا از الگوریتم­های جدید استفاده شده­است. مدل­های پیشنهادی با بهره گرفتن از تشابه متن همگی از الگوریتم­های معمولی و ساده استفاده کرده اند. در این مدل ها به این نکته مهم کمتر توجه شده که مخازن حجم بالا و پیچیده­ای از اطلاعات را شامل می­شوند، که بعضاً تشابه بین کلمات و معانی مختلف یک جمله نتیجه ­گیری را سخت­تر می­ کند. پس نیاز به الگوریتم­های معنایی در بررسی تشابه متن احساس می­ شود. هم

مقالات و پایان نامه ارشد

چنین باید به این نکته مهم توجه کرد که الگوریتم معنایی انتخاب ­شده بهینه است و قادر باشد میان این حجم اطلاعات که از سوی کاربران مختلف ثبت می­ شود، بهترین جواب با تشابه بیشتر را انتخاب کند. اگرچه تا به­حال روش­های بسیاری برای تکمیل مخازن خطا و استفاده از دانش نهفته در آن صورت­ گرفته اما می­توان گفت که ضرورت اهمیت به تشابه معنایی بین داده ­ها در نظر گرفته نشده ­است. در این تحقیق سعی شده که این ضعف در جستجو و بهره­ گیری دانش نهفته در این مخازن داده پوشش داده ­شود.




 
موضوعات: بدون موضوع  لینک ثابت
[دوشنبه 1399-10-01] [ 06:35:00 ب.ظ ]





 
 
 
فهرست مطالب
1-1معرفی مجتمع پتروشیمی جم  2
1-1-1واحد كراكینگ   6
1-1-2قسمت گـــــرم  8
1-1-3كمپرسور 9
1-1-4متان زدایی  12
1-1-5اتان زدایی  13
1-1-6جدا سازی برش سه كربنی  13
1-1-7جدا سازی برش چهار كربنی  14
1-2مقدمه ای  بر رآکتورهای بستر چکه­ای  18
1-2-1مقایسه با سایر رآکتورهای سه فازی  22
بر تحقیقات انجام شده در زمینه­ مدلسازی رآکتور بستر چکه­ای  31
بر تحقیقات انجام شده در زمینه­ سینتیک هیدروژناسیون بوتادین  33
3-1شرح مدل ریاضی  37
3-1-1مراحل انتقال جرم و فرضیات حاکم  37
3-1-2معادلات جرم و انرژی  39
3-2خواص فیزیکی  40
3-3معادلات سینتیکی  43
3-3-1کاتالیست   45
3-4حل عددی و روش بهینه سازی  46
4-1ارزیابی مدل  49
4-2نتایج  51
4-2-1پروفیل دما در طول رآکتور 55
4-2-2توزیع شدت جریان مولی اجزای موجود در فاز مایع  56
4-2-3توزیع شدت جریان مولی هیدروژن فاز گازی در طول رآکتور 62
4-2-4توزیع مشخصه­های فیزیکی در طول رآکتور 63
4-2-5بررسی تأثیرات تغییر دمای ورودی  65
4-2-6تغییرات درصد تبدیل و بازده تحت تأثیر دما و شدت جریان ورودی  68
5نتیجه گیری و پیشنهادات   70
 
فهرست جداول
 
 

 

 

 

 

 

 

 

 

شماره صفحه عنوان
19 جدول 1- شرایط عملیاتی و ترکیب نسبی اجزاء در ورودی رآکتور
36 جدول2– خلاصه­ای از مقالات منتشر شده با موضوع مدلسازی سینتیکی هیدروژناسیون 1و3-بوتادین
42 جدول3- روابط فیزیکی مورد استفاده در مدلسازی رآکتور
47 جدول4- مشخصات کاتالیست پوسته-تخم مرغی مورد استفاده
51 جدول 5- مقادیر متوسط Keq و ΔG° در طول رآکتور برای واکنش­های پیشنهادی
51 جدول 6- مقایسه بین نتایج مدلسازی و نتایج رآکتور صنعتی
54 جدول 7- ثوابت سرعت و عبارات دقیق سینتیکی به کار گرفته شده

 
فهرست شکل­ها و نمودارها
 
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شماره صفحه عنوان
6 تصویر1- نمودار کنده­ای واحد الفین دهم
16 تصویر 2- شمایی از نمودار جریان فرایند واحد بوتان زدایی
18 تصویر 3- نمودار جریان فرایند واحد هیدروژناسیون
22 تصویر 4- شمایی از یک رآکتور بستر چکه­ای
24 تصویر 5- شمایی از یک رآکتور دوغابی ]17[
27 تصویر 6- شمایی از یک رآکتور ستون حبابی بستر آکنده ]17[
39 تصویر7- مراحل انتقال جرم برای المانی از رآکتور به طول ΔZ
44 تصویر8- شبکه­ واکنش­های هیدروژناسیون 1و3-بوتادین
47 تصویر9- شمایی از کاتالیست پوسته-تخم مرغی
53 تصویر10- میانگین سرعت واکنش­ها
56 تصویر 11- پروفایل دما  در طول رآکتور
57 تصویر12- تغییرات شدت جریان مولی بوتادین نسبت به طول بدون بعد رآکتور
58 تصویر13- تغییرات شدت جریان مولی 1BE نسبت به طول بدون بعد رآکتور
59 تصویر 14- تغییرات سرعت واکنش­های r9 و r7 و r1 در طول رآکتور
60 تصویر15- تغییرات شدت جریان مولی نرمال بوتان نسبت به طول بدون بعد رآکتور
61

تصویر 16- تغییرات سرعت واکنش­های r11 و r10 و r9 و r8 در طول رآکتور

مقالات و پایان نامه ارشد

 
62 تصویر17- تغییرات شدت جریان مولی IB نسبت به طول بدون بعد رآکتور
63 تصویر18- تغییرات شدت جریان مولی IBA نسبت به طول بدون بعد رآکتور
64 تصویر19- تغییرات شدت جریان مولی هیدروژن گازی نسبت به طول بدون بعد رآکتور
65 تصویر20- تغییرات نفوذپذیری هیدروژن در طول رآکتور
65 تصویر21- تغییرات ویسکوزیته فاز مایع در طول رآکتور
66 تصویر 22- تأثیر دمای ورودی بر دمای سیستم در طول بدون بعد رآکتور
67 تصویر 23- تأثیر دمای ورودی بر شدت جریان مولی BD در طول بدون بعد رآکتور
68 تصویر 24- تأثیر دمای ورودی بر شدت جریان مولی نرمال بوتان در طول بدون بعد رآکتور
70 تصویر25- شمای سه بعدی از درصد تبدیل BD به عنوان تابعی از دما و شدت جریان مولی ورودی
71 تصویر26- شمای سه بعدی از بازده BA به عنوان تابعی از دما و شدت جریان مولی ورودی

 
فهرست نشانه­ های اختصاری
 
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

نشانه تعریف واحد
  سطح مقطع رآکتور m2
  غلظت مولی mol.m-3
  ظرفیت گرمایی استاندارد جزئ iام در دمای استاندارد j.mol-1.k-1
  قطر ذره­ی کاتالیستی m
  قطر رآکتور m
  نفوذپذیری هیدروژن در فاز مایع m2.s-1
  انرژی فعالسازی j.mol-1
  شدت جریان مولی mol.s-1
  انرژی آزاد گیبس جزئ i ام در فشار استاندارد j.mol-1
  انرژی استاندارد آزاد گیبس جزئ i ام در دمای استاندارد j.mol-1
  ثابت هنری pa.m3.mol-1
  آنتالپی استاندارد تولید جزء i ام در دمای استاندارد j.mol-1
  ضریب نوسان مراجعه به جدول 8
  ضریب حجمی انتقال جرم گاز-مایع s-1
  ضریب حجمی انتقال جرم مایع-جامد s-1
  ثابت تعادلی –
  ضریب نوسان در دمای مرجع مراجعه به جدول 8
  وزن مولکولی gr.mol-1
  فشار کاهش یافته –
  ثابت جهانی گازها J.mol-1.K-1
  عدد رینولدز –
  سرعت واکنش mol.s-1.kgcat-1
  عدد اشمیت –
  ضریب شکل –
  دما K
  دمای کاهش یافته –
  دمای مرجع K
  دمای استاندارد K15/298
  سرعت ظاهری m.s-1
  حجم مولی گاز هیدروژن در شرایط استاندارد m3.mol-1
  طول دیفرانسیلی رآکتور m

نشانه­ های اختصاری یونانی
 
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

نشانه تعریف واحد
  تغییر انرژی آزاد گیبس در شرایط فشار استاندارد j.mol-1
  گرمای واکنش j ام j.mol-1
  گرمای تبخیر j.mol-1
  ماندگی مایع –
  عدد استوکیومتری جزء iام –
  دانسیته­ی بستر کاتالیستی kgcat.m3
  ویسکوزیته kg.m-1.s-1
  حلالیت هیدروژن در مخلوطی از هیدروکربن­ها m3.kg-1.pa-1
  دانسیته­ی فاز مایع در شرایط عملیاتی kg.m-3
  دانسیته­ی فاز مایع در دمای 20 درجه سانتیگراد kg.m-3
  پارامتر همبستگی –
  حجم مولی در نقطه­ی جوش نرمال m3.mol-1

 
 
 
زیرنویس­ها و بالانویس­ها
 
 

 

 

 

 

 

 

 

i شمارنده­ی اجزای شیمیایی
ig گاز ایده­آل
j شمارنده­ی واکنش­ها
g گاز
l مایع
S جامد
T کل
1        مقدمه

 

1-1     معرفی مجتمع پتروشیمی جم

       صنعت پتروشیمی در ایران تحولات ودگرگونی های فراوانی داشته است . تحولاتی كه این صنعت عظیم را رفته رفته به صنعت اول كشور تبدیل می­كند. صنعت پتروشیمی به عنوان یكی از منابع تامین نیازهای بسیاری از صنایع داخلی ، صدور وتولید فرآورده ­های خود و منبع مهم ارزآوری و اشتغال­زایی برای كشور ، از جایگاه ویژه­ای برخوردار است . براین اساس در چهار چوب برنامه سوم توسعه اقتصادی كشور، طرح­های پتروشیمی در منطقه ویژه اقتصادی انرژی پارس جنوبی پیش بینی شده است. طرح مجتمع الفین دهم (پتروشیمی جم) یكی از طرح­های برنامه استراتژیک توسعه صنایع پتروشیمی كشور می باشد.
این مجتمع كه در منطقه ویژه اقتصادی انرژی پارس جنوبی قرار دارد شامل واحد های الفین، پلی اتیلن سبك خطی، پلی اتیلن سنگین، پلی پروپیلن هر كدام به ظرفیت 300 هزار تن در سال، واحد منواتیلن گلایكول  به ظرفیت 400 هزار تن در سال و دی تری اتیلن گلایكول، جمعاً به میزان 43 هزار تن در سال می باشد.
ضمناً واحدهای آلفا الفین به ظرفیت 200 هزار تن و واحد بوتادین به ظرفیت 130 هزار تن در سال، واحدهای دیگر این مجتمع می باشد.
واحد الفین مجتمع پتروشیمی جم، با ظرفیت یک میلیون و320 هزار تن در سال اتیلن، در حال حاضر بزگ­ترین واحد الفین جهان است. این واحد كه به واحد كراكینگ نیز معروف می­باشد از قسمت ­های مختلفی تشكیل یافته است كه عبارتند از:

  • كوره های كراكینگ
  • قسمت گرم
  • كمپسور گاز، شستشو با كاستیک وخشك كردن
  • بازیابی اتیلن و متان زدایی
  • جداسازی برش دوکربنه
  • جداسازی برش سه کربنه
  • جداسازی برش چهار کربنه
  • سیستم­های تبرید
  • سیستم­های كمكی
  • مخازن محصول

خوراك واحد از قسمت ­های مختلف تهیه می­ شود كه از طریق چندین خط لوله به واحد ارسال می­ شود كه به سه دسته تقسیم می گردد:

موضوعات: بدون موضوع  لینک ثابت
 [ 06:34:00 ب.ظ ]




1-1) اجزای اصلی QSAR   3
1-2) انواع روش‌های QSAR   4
1-3) اهداف QSAR   5
1-4) نگاهی گذرا برمایعات یونی   5
فصل دوم: تئوری.. 8
2-1) جمع‌ آوری سری داده‌ها………………………………………………………………………………………………………………..10
2-1-1) روش‌های تقسیم بندی سری داده‌ها……………………………………………………………………………………………….10
2-1-1-1) تحلیل خوشه‌ای (CA)……………………………………………………………………………………………………….11
2-1-1-2) انواع خوشه‌بندی……………………………………………………………………………………………… …………….12
2-1-1-3) اندازه‌گیری فاصله ……………………………………………………………………………………………………………13
2-1-1-4) دسته‌بندی تفکیکی……………………………………………………………………………………………………………14
2-1-1-4-1) دسته بندی مبهم C- میانگین………………………………………………………………………………………….14
2-1-1-4-2) الگوریتم دسته‌بندی QT………………………………………………………………………………………………15
2-1-1-4-3) خوشه بندی K- میانگین………………………………………………………………………………………………15
2-2) بهینه‌سازی ساختارهای مولکولی…………………………………………………………………………………………………………………………….17
2-3) محاسبه توصیف‌کننده‌های مولکولی   17
2-3-1) توصیف‌کننده‌های ساختاری………………………………………………………………………………………………………………………..19
2-3-2) توصیف کننده‌های توپولوژیکی……………………………………………………………………………………………………………………19
2-3-2-1) توصیف‌كننده‌های جزء……………………………………………………………………………………………………………………..19
2-3-2-2) اندیس‌های توپولوژی   19
2-3-2-3) توصیف‌كننده‌های زیرساختاری   20
2-3-2-4) توصیف‌كننده‌های محیطی………………………………………………………………………………………………………………….20
2-3-3) توصیف‌كننده‌های هندسی.. 20
2-3-4) توصیف‌کننده‌های الکترونی.. 21
2-3-5) توصیف‌کننده‌های فیزیکو شیمیایی………………………………………………………………………………………………………………..21
2-3-6) توصیف‌کننده‌های توسعه یافته………………………………………………………………………………………………………………………21
2-3-7) توصیف‌کننده‌های LFER……………………………………………………………………………………………………………………………22
2-4) تجزیه و تحلیل آماری توصیف‌کننده‌ها و انتخاب مؤثرترین آنها…………………………………………………………………………………..22
2-4-1) الگوریتم ژنتیک (GA)……………………………………………………………………………………………………………………………….23
2-4-1-1) اصول الگوریتم‌های ژنتیكی…………………………………………………………………………………………………24        2-4-1-2) روش‌های انتخاب…………………………………………………………………………………………………………………….25
2-5) ایجاد مدل­های آماری 26
2-5-1) رگرسیون خطی چندگانه…………………………………………………………………………………………………………..26
2-5-2) شبکه‌های عصبی پرسپترون چندلایه(MLP)…………………………………………………………………………………….27
2-5-2-1) تک نرون و ساختار (MLP)………………………………………………………………………………………………..28
2-5-2-2) پرسپترون چند لایه……………………………………………………………………………………………………………30
2-5-2-3) آموزش شبکه‌های عصبی MLP……………………………………………………………………………………………30
2-6) انتخاب بهترین مدل و ارزیابی اعتبار مدل انتخاب شده 33
2-6-1) قلمرو كاربرد مدل………………………………………………………………………………………………………………….37
2-7) نرم افزارهای مورد استفاده………………………………………………………………………………………………………………………………………………………………38
2-7-1) بسته نرم افزاری Hyperchem………………………………………………………………………………………………………………………38
2-7-2) بسته نرم افزاری MOPAC…………………………………………………………………………………………………………………………..38
2-7-3) بسته نرم افزاریSTATISTICA  39
2-7-4) نرم افزار دراگون. 39
2-7-5) نرم افزار CODESSA………………………………………………………………………………………………………………………………..39
فصل سوم: مدلسازی QSAR سمیت مایعات یونی.. 41
3-1) روش كار  43
3-1-1) سری داده‌ها………………………………………………………………………………………………………………………………………………43
3-1-2) محاسبه و پیش‌پردازش توصیف‌کننده‌ها…………………………………………………………………………………………………………53
3-1-3) انتخاب اعضای سری‌های آموزشی و ارزیابی به روش خوشه‌بندی k-میانگین……………………………………………………….54
3-1-4) انتخاب بهترین توصیف كننده و مدل‌سازی خطی…………………………………………………………………………………………….55
3-1-5) مدلسازی غیر خطی با شبكه‌ی عصبی مصنوعی پرسپترون چند لایه. 56
3-2) بحث و نتیجه‌گیری   57
3-2-1) تفسیر توصیف‌كننده‌ها………………………………………………………………………………………………………………………………..75
3-2-2) بررسی نتایج……………………………………………………………………………………………………………………………………………..61
3-2-3) ارزیابی نتایج مدل………………………………………………………………………………………………………………………………………63
3-3) جمع‌بندی نهایی   65
فصل چهارم: پیش‌بینی دمای ذوب مایعات یونی و نمك‌های مربوطه با بهره‌گیری از رویكرد QSPR.. 67
4-1) روش كار  70
4-1-1) سری داده‌ها………………………………………………………………………………………………………………………………………………70
4-1-2) محاسبه و پیش‌پردازش توصیف‌كننده‌ها…………………………………………………………………………………………………………72
4-1-3) تقسیم‌بندی سری داده‌ها توسط روش تحلیل خوشه‌ای……………………………………………………………………………………….73
4-1-4) انتخاب متغیر و مدل‌سازی خطی……………………………………………………………………………………………………………………74
4-1-5) مدل‌سازی به روش شبكه‌ی عصبی پرسپترون چند لایه (MLP) 77
4-2) بحث و نتیجه‌گیری   79
4-2-1) تفسیر توصیف‌كننده‌ها………………………………………………………………………………………………………………………………..79
4-2-2) ارزیابی نتایج مدل‌ها…………………………………………………………………………………………………………………………………..81
4-3) جمع‌بندی

مقالات و پایان نامه ارشد

 نهایی…………………………………………………………………………………………………………………………………………………82

منابع. 83
 
 
 
فهرست شکل­ها
عنوان                                                                                                                                            صفحه
شکل 2-1: طرحی ساده از خوشه بندی سلسله‌ای…………………………………………………………………………………………………………….. 13
شکل 2-2: شمایی كلی از الگوریتم ژنتیك……………………………………………………………………………………………………………………. 25
شکل 2-3: شمایی كلی از یک نرون……………………………………………………………………………………………………………………………… 29
شکل 2-4: ساختار کلی پرسپترون تک لایه…………………………………………………………………………………………………………………….. 29
شکل 2-5: ساختار شبکه پیشرو دولایه با توابع سیگموید در لایه پنهان و لایه خروجی………………………………………………………….. 30
شکل 2-6: کمینه کلی و کمینه محلی……………………………………………………………………………………………………………………………. 31
شکل 2-7: ساختار کلی آموزش با ناظر…………………………………………………………………………………………………………………………. 32
شکل 3-1: شمایی از شبكه‌ی بهینه شده‌ی پرسپترون………………………………………………………………………………………………………….. 57
شکل 3-2: نمودار مقادیر تجربی سمیت در برابر مقادیر محاسبه شده با مدل پرسپترون چند لایه……………………………………………….. 62
شکل 3-3: نتایج تحلیل حساسیت………………………………………………………………………………………………………………………………….. 63
شکل 3-4: قلمرو كاربرد مدل ارائه شده به صورت نمودار ویلیامز……………………………………………………………………………………… 64
شکل 1-4: نمودار حاصل از آنالیز خوشه‌ای……………………………………………………………………………………………………………………. 76
شکل 4-2: نمودار تغییر ضریب همبستگی و لگاریتم خطای استاندارد مدل در برابر تعداد توصیف‌كننده‌ها…………………………………. 75
شکل 4-3: شبكه‌ی عصبی پرسپترون طراحی شده جهت پیش‌بینی دمای ذوب مایعات یونی…………………………………………………….. 78
  شکل 4-4: نمودار حاصل از تحلیل حساسیت…………………………………………………………………………………………………………………… 79
شکل 4-5: قلمرو كاربرد مدل……………………………………………………………………………………………………………………………………….. 81
  
فهرست جدول­ها
عنوان                                                                                                                                            صفحه
جدول 3-1: سری داده‌های سمیت تجربی و پیش بینی شده به صورت (log EC50)……………………………………………………………… 44
جدول 3-2: ماتریس ضرایب همبستگی بین توصیف­کننده­ های انتخاب شده………………………………………………………………………….. 55
جدول 3-3: آنیون‌های متنوع به كار رفته در ساختار مایعات یونی موجود در سری داده………………………………………………………….. 60
جدول 3-4: پایه‌های كاتیونی به كار رفته در سری داده……………………………………………………………………………………………………… 61
جدول 3-5: نتایج حاصل از مدل‌های خطی و غیر خطی…………………………………………………………………………………………………….. 62
جدول 4-1: مقادیر پیش‌بینی شده و تجربی دمای ذوب مایعات یونی……………………………………………………………………………………. 70
جدول 4-2: ماتریس ضرایب همبستگی بین توصیف‌كننده‌های انتخاب شده………………………………………………………………………….. 76
جدول 4-3: ضرایب و آماره‌های مدل MLR………………………………………………………………………………………………………………… 77
جدول 4-4: نتایج حاصل از مدل‌های خطی و غیرخطی……………………………………………………………………………………………………… 78
 
 
مقدمه
کمومتریکس یا شیمی سنجی در حقیقت کاربرد علوم آمار، کامپیوتر و ریاضی در شیمی می‌باشد [1]. از روش‌های ذکر شده برای درک بهتر اطلاعات شیمیایی که در آزمایشگاه بدست می‌آید استفاده می‌شود، به این صورت که با بهره گرفتن از تحلیل داده‌های شیمیایی بدست آمده اطلاعات مفید استخراج می شود تا با توجه به این اطلاعات بتوان آزمایش‌های مورد نظر را با بازدهی بهتر طراحی کرد.کاربرد روش‌های ریاضی در شیمی سابقه دیرین دارد ولی با توجه به پیشرفت علوم کامپیوتر و کاربرد آن در علوم روش‌های کمومتریکس در دهه اخیر پیشرفت بسیار داشته است. در این دو دهه روش‌های کمومتریکس مختلفی توسط شیمیدان‌ها با کمک متخصصین علوم کامپیوتر، ریاضی و آمار ارائه شده است. بسیاری از شیمیدان‌ها و کسانی که از روش‌های کمومتریکس استفاده می‌کنند دانشمند سوئدی به نام ولدرا به عنوان اولین کسی که این روش‌ها را معرفی کرده است نام می‌برند و به او لقب پدر علم کمومتریکس را داده‌اند [2]. کمومتریکس درشاخه­های مختلف شیمی مورد استفاده قرار می‌گیـرد. بـرخی از کاربرد­های آن شامل کنترل فرایندها، تجزیه و تحلیل و شناخت الگوها، پردازش علائم و بهینه کردن شرایط می­باشد.  یکی از زمینه ­های مهم کاربرد کمومتریکس در مطالعاتی است که خواص مولکولها را به ویژگی­های ساختاری آنها نسبت می­دهد. موارد خاصی از این تحقیقات و مطالعات شامل موارد رابطه‌ی كمی ساختار-فعالیت(QSAR)، رابطه‌ی كمی ساختار-سمیت(QSTR)، رابطه‌ی كمی ساختار-خصوصیت(QSPR) است که به منظور سهولت و کلی نگری تمامی این موارد تحت عنوان QSAR قرار می گیرند.
1-1) اجزای اصلی QSAR
یک رابطه ی كمی‌ساختار – فعالیت از سه بخش مجزای زیر تشكیل می‌گردد  ;[3]

  • داده‌های معتبر مربوط به فعالیت یا ویژگی مورد مطالعه كه باید مدل سازی و در نهایت پیش بینی شوند. تعدادی از خصوصیاتی كه می‌توانند برای مدل سازی QSAR مورد استفاده قرار گیرند به شرح زیر می‌باشند: فعالیت دارویی، فعالیت سمی، خصوصیات فیزیكوشیمیایی و تاثیرات سموم شیمیایی در محیط زیست.
  • توصیف‌كننده‌ها یا همان متغیرهایی كه مدل براساس آنها ساخته می‌شود. ویژگی‌های هر ملكول كه معمولا با در نظر گرفتن ساختار ملكولی به صورت كمی‌محاسبه می‌شوند، در واقع همان متغیر‌های مورد استفاده در مدل سازی می‌باشند.
  • روشی (اعم از ریاضی یا آماری) كه برای فرمول بندی مدل از آن استفاده می‌گردد.

روش‌های بسیاری جهت مدل سازی QSAR به كار می‌روند كه تعدادی از آن‌ ها به قرار زیر می‌باشند:
رگرسیون خطی چند تایی (MLR)، روشی ریاضی است که معمولا برای برقراری ارتباط بین ویژگی­های ساختاری مولکول و خواص آن در مطالعات QSPR/QSAR به کار می­رود. این روش هنگامی که بین توصیف­کننده­ها بر­هم­کنشی وجود نداشته و ارتباط آن­ها با فعالیت مورد نظر خطی باشد مفید است.[4]
شبکه عصبی مصنوعی (ANN)، كه با تقلید از شبكه ­های عصبی بیولو‍ژیكی مثل مغز انسان ساخته شده ­اند الگویی برای پردازش اطلاعات می­باشند كه بر پایه اتصال به هم پیوسته چندین واحد پردازشی عمل می­كنند [5].
ماشین بردار پشتیبان (SVM)، یكی دیگر از روش­های یادگیری راهنمایی شده است كه از آن برای طبقه بندی و آنالیز رگرسیون استفاده می­كنند[6] .
كمترین مربعات جزیی (PLS)، این روش با روش MLR، تفاوت چندانی ندارد. تنها فرضیاتی كه براساس آن ضرایب متغیرهای مدل محاسبه می‌گردند در دو روش با هم متفاوت است[7] .
1-2) انواع روش های QSAR
روش‌هایQSAR  را می‌توان به سه گروه تقسیم‌بندی کرد[8]. اولین روش، QSAR دو بعدی است که در آن ساختار سه ‌بعدی مولکول در نظر گرفته نمی‌شود. در این روش مولکول با بهره گرفتن از یک سری توصیف‌کننده‌های مولکولی نمایش داده می‌شود که مقادیر عددی آن مشخصه مفاهیم متنوعی از ساختار مولکولی است و در مجموع با در نظر گرفتن فعالیت مشاهده شده مدل پیشگو ساخته می‌شود.
روش دوم QSAR سه بعدی است که بطور مثال با رهیافت CoMFA نشان داده می‌شود [8]. در این روش ساختار سه بعدی مولکول مورد بررسی قرار می‌گیرد. به این منظور ابتدا مولکول در یک شبکه منظم سه‌ بعدی قرار گرفته و سپس برهمکنش‌های الکتروستاتیک و فضایی بین مولکول مورد نظر و یک اتم فرضی قرار گرفته در محل نقاط تقاطع این شبکه توری مانند (مثل کربن)، محاسبه شده و به عنوان توصیف‌کننده استفاده می‌شود تا با ایجاد مدل، برهمکنشهای الکتروستاتیک و فضایی مطلوب بدست آید. به وضوح این روش مزایای بسیار زیادی نسبت به روش ساده‌تر دو بعدی دارد اما پیچیدگی‌های آن نیز بیشتر است.
روش سوم که QSAR چهار بعدی است، یک روش توسعه یافته از QSAR سه بعدی می‌باشد و توسط هاپفینگر و همکارانش ارائه شد [9] که اطلاعات مربوط به صورتبندی را در بعد چهارم در نظر می‌گیرد. مشابه با روش CoMFA،  QSARچهار بعدی با مشخص کردن یک مجموعه از نقاط شبکه که خصوصیات مولکول را ارزیابی کند شروع می‌شود. این روش علاوه بر نقاط شبکه از کل صورتبندی، نمونه برداری کرده و از اطلاعات بدست آمده از آن استفاده می‌کند تا سلولهای اشغال شده در شبکه را ارزیابی کند و از این خصوصیات مولکولی برای ساختن مدل استفاده می‌کند.
 
1-3) اهداف QSAR
روابط كمی‌ساختار – فعالیت باید به عنوان ابزاری علمی‌تلقی گردند كه اجازه ی كشف و همچنین تجزیه و تحلیل روابط نهفته در میان داده‌های موجود را به ما می‌دهند. اهداف زیادی را از ایجاد یک QSAR می‌توان برشمرد كه تعدادی از آنها به صورت زیر است[8]:
1- پیش بینی فعالیت زیستی وخصوصیات فیزیكو- شیمیایی
2- درك بهتر مكانیسم عمل دریک سری از تركیبات شیمیایی
3- صرفه جویی درهزینه‌های تولید محصول ( داروها ، آفت كش‌ها ، و تركیبات شیمیایی جدید)
4- كاهش دادن ودربرخی موارد حتی جایگزینی استفاده از حیوانات آزمایشگاهی
با توجه به این اهداف، مدل سازی خصوصیات مایعات یونی که از پرکاربردترین ترکیبات در علم شیمی بشمار می­روند، می ­تواند بسیار مفید واقع گردد. در ادامه مایعات یونی به صورت مختصر معرفی گردیده­اند.
 
1-4) نگاهی گذرا برمایعات یونی
مایعات یونی اولین بار در سال ١٩١٤ با سنتز اتیل آمونیوم نیترات (نقطه ذوب C˚12) شناخته شدند اما تا سال ١٩۵١ كاربرد گسترده ای نداشتند [10] . در پی یافتن روش جدیدی برای تهیه آلومینیم به طریق آبكاری با مخلوط كردن دو پودر سفید رنگ آلكیل پیریدینیوم كلرید با 3AlCl مشاهده شد که این دو با یكدیگر واكنش می‌دهند و مایع بی رنگ آلكیل پیریدینیوم تتراكلروآلومینات تولید می‌شود[11] . با این توصیف همچنان به این دسته از تركیبات فقط با كنجكاوی نگاه می‌شد تا اینكه در چند دهه اخیر به عنوان جایگزین، برای حلال‌های آلی متداول واكنش‌های شیمیایی مطرح شدند. به طور كلی تعریف‌های گوناگونی برای یک مایع یونی وجود دارند كه شاید پذیرفته شده‌ترین آنها «یک ماده متشكل از یون‌ها با نقطه ذوب پایین‌تر از 100 درجه‌ی سانتی‌گراد» باشد [12] . مایعات یونی را با نام های نمك های مذاب، مایعات یونی غیرآبی یا مایعات یونی دمای اتاق نیز می‌شناسند[13] . اگر دمای ذوب نمک زیر دمای اتاق (25درجه‌ی سانتی‌گراد) باشد به آن مایع یونی دمای اتاق می‌گویند. این تركیبات متشكل از یک کاتیون آلی غیر متقارن سنگین شامل فسفر یا نیتروژن مانند آلكیل ایمیدازولیوم، پیرولیدینیوم، آمونیم، فسفونیوم و انواع مختلفی از آنیون‌های آلی مانند تری فلئورو استات و یا آنیون‌های معدنی کلرید، برمید، تترافلئوروبورات و هگزافلئوروفسفات و … می‌باشند [13]. ترکیب آنیون‌ها و کاتیون‌های مختلف به طور گسترده تعداد مایعات یونی را گسترش داده‌است و تاکنون بیش از 2000 مایع یونی شناخته شده‌اند. از آنجا که معمولا می‌توان با اتصال یک کاتیون و آنیون خاص مایع یونی مورد نیاز برای یک کاربرد به خصوص را تولید کرد به این حلال‌ها، حلال‌ طراح[17] نیز گفته می‌شود[12] .
مهمترین ویژگی‌های مایعات یونی عبارت‌اند از:[14]

  • خواص فیزیكی مایعات یونی با تغییر تركیب شیمیایی آنیون‌ها و كاتیون‌ها تغییر می‌كنند.
  • مایعات یونی غیر فرارند بنابراین در سیستم‌های با خلاء زیاد قابل استفاده‌اند كه این موضوع از بروز برخی مشكلات فرایندی جلوگیری می‌كند.
  • بسیاری از تركیبات آلی و معدنی در آنها قابل حل‌اند.
  • عدم حلالیت مایعات یونی در برخی از حلال‌ها (مانند آلكان‌ها) یک محیط قطبی غیر آبی ایجاد می‌كند كه این عامل، در سیستم‌های جداسازی دو فازی و چند فازی، بازیابی كاتالیست را (فرایند سبز) آسان می‌كند.
  • این تركیبات می‌توانند، نه تنها به عنوان یک حلال، بلكه به عنوان یک كاتالیست فعال نیز در واكنش شركت كنند.

همچنین مایعات یونی خواص بی نظیر دیگری از قبیل پنجره‌ی الکتروشیمیایی وسیع، هدایت الکتریکی زیاد، تحرک یونی، گستره‌ی دمایی مایع وسیع، به شدت سولواته کننده، عدم فراریت، اشتعال ناپذیری و گستره‌ی پایداری گرمایی وسیع نیز دارند.
[1]. Chemometrics
[2].  Wold
[3]. Quantitative structure activity relationship
[4]. Quantitative structure toxicity relationship
[5]. Quantitative structure property relationship
[6]. Descriptors
[7]. Multiple linear regression
[8]. Artificial neural network
[9]. Support vector machine
[10]. Partial least square

  1. 1. Comparative molecular field analysis
موضوعات: بدون موضوع  لینک ثابت
 [ 06:34:00 ب.ظ ]




در مدلهای نیمه تجربی ارائه شده با در دست داشتن نقطه جوش نرمال و جرم مولکولی ماده (ورودی های دمای بحرانی)، تعداد اتم و جرم مولکولی ماده (ورودی های حجم بحرانی) و دمای بحرانی و حجم بحرانی ماده (ورودی های فشار بحرانی)، می توانیم خواص بحرانی را تخمین بزنیم.
مدلهای پیشنهادی در عین سادگی خطای کمی دارند. از دیگر مشخصات مدلها می توان به عمومیت معادلات و قابل دسترس بودن پارامترهای ورودی نیز اشاره کرد.
در پایان تحقیق با مقایسه بین مدل های پیشنهادی و مدل های برگرفته از هوش مصنوعی و نیز 4 رابطه نیمه تجربی، مشخص می شود که مدلهای پیشنهادی دقت خوبی جهت تخمین خواص بحرانی مواد دارند.
میانگین خطای نسبی مدل نهایی برای دمای بحرانی، حجم بحرانی و فشار بحرانی به ترتیب برابر با 86/3 ، 06/5 و 57/5 می باشد که حاکی از دقت کافی مدلها می باشد.
 
کلمات کلیدی:
خواص بحرانی، مدلهای نیمه تجربی، شبکه عصبی مصنوعی
 
فهرست مطالب
عنوان                                                                                                              صفحه
اول: مباحث نظری و تئوری
. 2
. 3
1-2- تاریخچه. 3
1-3- روابط موجود در تخمین خواص بحرانی. 5
1-3-1- رابطه های کاوت.. 5
1-3-2- رابطه های لی- کسلر 7
1-3-3- رابطه های وین- ثیم. 8
1-3-4- رابطه های تعمیم یافته ریاضی- دابرت.. 9
1-3-5- رابطه های تعمیم یافته لین- چاوو 11
1-3-6- رابطه های واتنسیری. 14
1-3-7- رابطه ارائه شده توسط پازوکی و همکارانش… 15
1-3-7-1- مقایسه بین مدل پازوکی با داده های تجربی. 16
1-3-8- مدل یاسر خلیل و همکارانش… 17
دوم: روش های انجام تحقیق
2-1- مقدمه ای بر روش های انجام تحقیق. 20
2-2- شبکه عصبی مصنوعی. 20
2-2-1- سابقه تاریخی شبکه عصبی. 21
2-2-2- شبکه عصبی اشتراک به جلو 22
2-2-3- مزیت های شبکه های عصبی. 23
2-2-4- انواع یادگیری برای شبکه های عصبی. 23
2-2-5- ساختار شبکه‌های عصبی. 25
. 27
. 28
2-2-7- کاربرد شبکه‌های عصبی. 29
2-2-7-1-کاربرد شبکه عصبی مصنوعی در این تحقیق. 30
2-2-8- معایب شبکه‌های عصبی. 31
31
2-3-1- دسته بندی  قواعد انفیس… 32
2-3-1-1- مدل تاکاگی- سوگنو-کانگ.. 32
2-4- شاخص های ارزیابی مدل های بدست آمده 34
سوم: بحث و نتیجه گیری
3-1-هدف تحقیق 36
3-2- مدل های نیمه تجربی ارائه شده 36
3-2-1- مدل ارائه شده برای دمای بحرانی. 37
3-2-2- مدل ارائه شده برای حجم بحرانی. 37
3-2-3- مدل ارائه شده برای فشار بحرانی. 38
3-3- مقایسه مدل های ارائه شده با داده های تجربی 38
3-3-1- مقایسه مدل ارائه شده  برای دمای بحرانی با داده های تجربی 38

مقالات و پایان نامه ارشد

 

3-3-2- مقایسه مدل ارائه شده  برای حجم بحرانی با داده های تجربی 39
3-3-3- مقایسه مدل ارائه شده  برای فشار بحرانی با داده های تجربی 40
3-4- توزیع خطای نسبی مدل های ارائه شده 41
3-5- مدل های ارائه شده توسط شبکه عصبی مصنوعی 42
3-5-1- مدل ارائه شده توسط شبکه عصبی مصنوعی برای دمای بحرانی 42
3-5-1-1- مقایسه مدل ارائه شده توسط شبکه عصبی مصنوعی برای دمای بحرانی 46
3-5-2- مدل ارائه شده توسط شبکه عصبی مصنوعی برای حجم بحرانی 47
3-5-2-1-مقایسه مدل ارائه شده توسط شبکه عصبی مصنوعی برای حجم بحرانی 51
3-5-3- مدل ارائه شده توسط شبکه عصبی مصنوعی برای فشار بحرانی 52
3-5-3-1- مقایسه مدل ارائه شده توسط شبکه عصبی مصنوعی برای فشار بحرانی 56
… 57
. 57
. 59
. 59
. 61
. 61
. 63
3-7- مقایسه مدل های ارائه شده با مدل های دیگر 63
3-7-1- مقایسه مدل ارائه شده برای دمای بحرانی. 64
3-7-2- مقایسه مدل ارائه شده برای حجم بحرانی. 65
3-7-3- مقایسه مدل ارائه شده برای فشار بحرانی. 66
3-8- نتیجه گیری. 68
3-9- پیشنهادات.. 69
. 70
جدول ضمیمه 74
 
 
فهرست جدول­ها
عنوان                                                                                                              صفحه
فصل اول: مباحث تئوری و نظری
جدول 1-1- ثابت های رابطه برای معادله 1-1 و 1-2. 6
جدول 1-2- ثابت های رابطه برای معادله 1-15 9
جدول 1-3- ثابت های رابطه برای معادله 1-17 10
جدول 1-4- ثابت های رابطه برای معادله 1-18. 11
جدول 1-5- ثابت های رابطه برای معادله 1-19. 12
جدول 1-6- ثابت های رابطه برای معادله 1-23 13
جدول 1-7- مقادیر ثابت های ai و bi برای معادله 1-29 15
جدول 1-8- ثابت های رابطه برای معادله 1-30 18
فصل سوم: بحث و نتیجه گیری
جدول 3-1- ثابت های معادله 3-1. 37
جدول 3-2- مقادیر شاخص های آماری برای عصب های مختلف جهت تخمین دمای بحرانی 43
جدول 3-3- مقادیر وزن و بایاس های بهینه مربوط به دمای بحرانی 44
جدول 3-4- شاخص های آماری مربوط به شبکه عصبی بهینه جهت تخمین دمای بحرانی. 46
جدول 3-5- مقادیر شاخص های آماری برای عصب های مختلف جهت تخمین حجم بحرانی 48
جدول 3-6- مقادیر وزن و بایاس های بهینه مربوط به حجم بحرانی 49
جدول 3-7- شاخص های آماری مربوط به شبکه عصبی بهینه جهت تخمین حجم بحرانی. 51
جدول 3-8- مقادیر شاخص های آماری برای عصب های مختلف جهت تخمین فشار بحرانی 53
جدول 3-9- مقادیر وزن و بایاس های بهینه مربوط به فشار بحرانی 54
جدول 3-10- شاخص های آماری مربوط به شبکه عصبی بهینه جهت تخمین فشار بحرانی. 56
جدول 3-11- شاخص های آماری مطلوب برای دمای بحرانی. 58
جدول3-12- پارامترهای توابع عضویت گوسین برای تخمین دمای بحرانی مواد 58
جدول 3-13- ضرایب ارائه شده توسط انفیس برای دمای بحرانی. 58
جدول 3-14- شاخص های آماری مطلوب برای حجم بحرانی. 60
جدول 3-15-پارامترهای توابع عضویت گوسین برای تخمین حجم بحرانی مواد 60
جدول 3-16- ضرایب ارائه شده توسط انفیس برای حجم بحرانی. 60
جدول3-17- شاخص های آماری برای فشار بحرانی. 62
جدول 3-18- پارامترهای توابع عضویت گوسین برای تخمین فشار بحرانی مواد 62
ضرایب ارائه شده توسط انفیس برای فشار بحرانی. 62
جدول 3-20- مقایسه مدل ارائه شده جهت تخمین دمای بحرانی با سایر مدل ها 64
جدول 3-21- مقایسه مدل ارائه شده جهت تخمین حجم بحرانی با سایر مدل ها 65
جدول 3-22- مقایسه مدل ارائه شده جهت تخمین حجم بحرانی با سایر مدل ها 67
 
 
فهرست شکل ها
عنوان                                                                                             صفحه
فصل اول: مباحث تئوری و نظری
شکل 1-1- مقایسه ی مدل پازوکی با داده های تجربی برای دمای بحرانی. 16
شکل 1-2-مقایسه ی مدل پازوکی با داده های تجربی برای فشار بحرانی. 16
شکل 1-3- مقایسه ی مدل پازوکی با داده های تجربی برای حجم بحرانی. 17
فصل دوم: روش های انجام تحقیق
شکل2-1- نمایی از شبکه عصبی تک لایه. 26
شکل2-2- نمایی ازشبکه عصبی چند لایه. 27
شکل2-3- نمایی از شبکه عصبی اشتراک به جلوی سه لایه. 30
شکل2-4- نمایی از قاعده ی عملکرد روش سوگنو 34
فصل سوم: بحث و نتیجه گیری
شکل 3-1-داده های تخمینی توسط مدل به دست آمده برای دمای بحرانی در مقابل داده های آزمایشگاهی 39
شکل 3-2- داده های تخمینی توسط مدل به دست آمده برای حجم بحرانی در مقابل داده های آزمایشگاهی 40
شکل 3-3-داده های تخمینی توسط مدل به دست آمده برای فشار بحرانی در مقابل داده های آزمایشگاهی 41
شکل 3-4- نمودار توزیع خطای نسبی مدل ها برای دما،حجم و فشار بحرانی 42
شکل 3-5-نمایی از مدل شبکه عصبی مصنوعی جهت مدل سازی دمای بحرانی 43
شکل 3-6-رفتار پارامترها در مرحله ی آموزش شبکه جهت پیش بینی دمای بحرانی 45
شکل 3-7-نمودار عملکرد شبکه بهینه جهت پیش بینی دمای بحرانی. 45
شکل 3-8-داده های تخمین زده شده توسط شبکه عصبی مصنوعی در مقابل داده های تجربی برای دمای بحرانی 46
شکل 3-9-نمایی از مدل شبکه عصبی مصنوعی جهت مدل سازی حجم بحرانی 48
شکل 3-10-رفتار پارامترها در مرحله ی آموزش شبکه جهت پیش بینی حجم بحرانی 50
شکل 3-11- نمودار عملکرد شبکه بهینه جهت پیش بینی حجم بحرانی. 50
شکل 3-12-داده های تخمین زده شده توسط شبکه عصبی مصنوعی در مقابل داده های تجربی برای حجم بحرانی 51
شکل 3-13-نمایی از مدل شبکه عصبی مصنوعی جهت مدل سازی فشار بحرانی 53
شکل 3-14-رفتار پارامترها در مرحله ی آموزش شبکه جهت پیش بینی فشار بحرانی 55
شکل 3-15-نمودار عملکرد شبکه بهینه جهت پیش بینی فشار  بحرانی. 55
شکل 3-16-داده های تخمین زده شده توسط شبکه عصبی مصنوعی در مقابل داده های تجربی برای فشار بحرانی 56
شکل3-17- داده های تخمینی توسط انفیس در مقابل داده های تجربی برای دمای بحرانی. 59
شکل3-18- داده های تخمینی توسط انفیس در مقابل داده های تجربی برای حجم بحرانی. 61
شکل3-19- داده های تخمینی توسط انفیس در مقابل داده های تجربی برای فشار بحرانی. 63
شکل 3-20- مقایسه ی نمودار توزیع خطای نسبی مدل ارائه شده با دیگر مدل ها برای دمای بحرانی  65
شکل 3-21- مقایسه ی نمودار توزیع خطای نسبی مدل ارائه شده با دیگر مدل ها برای حجم بحرانی  66
شکل 3-22- مقایسه ی نمودار توزیع خطای نسبی مدل ارائه شده با دیگر مدل ها برای فشار بحرانی  67
 
فصل اول
مشخصات بحرانی: مباحث تئوری
 
 
1-1- مقدمه

موضوعات: بدون موضوع  لینک ثابت
 [ 06:33:00 ب.ظ ]




  • فصل اول 13

1-1 مقدمه. 14
1-2 شناسایی آلاینده فنلی.. 14
1-3 روش های حذف فنل.. 16
1-3-1 جذب سطحی.. 17
1-3-2 رزین‌های تبادل یونی.. 18
1-3-3 انعقاد الکتریکی.. 19
1-3-4 فرایندهای اکسیداسیون پیشرفته. 19
. 20
1-3-6 استفاده از اشعه UV.. 21
1-3-7 روش‌های بیولوژیکی.. 22
1-3-8 فرایندهای غشایی.. 24

  1. فصل دوم 31

2-1مقدمه  32
2-1-1 بیوراکتور غشایی.. 32
2-2 بررسی پژوهش‌های صورت پذیرفته در زمینه حذف فنل توسط بیوراکتور     33

  1. فصل سوم 41

3-1 دینامیک سیالات محاسباتی.. 42
3-2 تشریح فرایند  42
3-3 فرضیات 43
3-4 معادلات برای درون الیاف  45
3-5 معادلات برای غشاء 46
3-6 معادلات برای پوسته. 47
3-7 مکانیزم واکنش     48
3-8 معادله حاکم بر تانک خوراک     49
3-9 معادله حاکم بر تانک سلولی   49

  1. فصل چهارم 50

4-1 مقدمه. 51
4-2 نحوه انجام شبیه سازی به کمک نرم افزار  . 51

  1. فصل پنجم 59

5- 1 مقدمه      60
5-2 توزیع غلظت        60
5-2-1 توزیع غلظت درون الیاف.. 60
5-2-2 توزیع غلظت در پوسته. 61
5-3 توزیع سرعت   62
5-3-1 توزیع سرعت درون الیاف.. 62
5-3-2 توزیع سرعت درون پوسته. 63
5-4 تأثیر شرایط عملیاتی بر بازدهی حذف فنل   64
5-4-1 تأثیر غلظت اولیه. 65
5-4-2 تأثیر دبی جریان‌ فاز سلولی.. 65
5-4-3 تأثیر شعاع خارجی غشاء. 66
5-4-4 تأثیر شعاع داخلی غشاء. 67

  1. فصل ششم 68

6-1 نتیجه گیری   69
6-2 پیشنهادات  69

  1. مراجع 70

 
فهرست شکل ها
شکل ‏1‑1واکنش رزین‌های تبادل یونی[19] 18
شکل ‏1‑2 اکسیدکننده های متداول. 20
شکل ‏1‑3 شماتیک فرایند استخراج فوق بحرانی[30] 21
شکل ‏1‑4 فرایند حذف توسط اشعه فرابنفش[37] 22
شکل ‏1‑5 واکنش ناشی از اشعه فرابنفش[40] 22
شکل ‏1‑6 شماتیک فرایندهای بیولوژیکی[43] 23
شکل ‏1‑7 مقایسه سرعت واکنش: الف) وجود ممانعت کننده سوبسترا ب) عدم وجود ممانعت کننده [45] 24

مقالات و پایان نامه ارشد

 

شکل ‏1‑8 شماتیک فرایند تراوش تبخیری[46] 25
شکل ‏1‑9 شماتیک فرایند غشاهای مایع[52] 26
شکل ‏1‑10 اندازه حفرات غشاء[4] 27
شکل ‏1‑11شماتیک فرایند حذف فنل توسط نانو فیلتراسیون[53] 27
شکل ‏1‑12 الف) بیوراکتور غشایی جریان جانبی  ب) بیوراکتور غشایی غوطه‌ور[54] 28
شکل ‏2‑1بیوراکتورغشایی[55] 32
شکل ‏2‑2 شماتیک بیوراکتور دوفازی[58] 34
شکل ‏2‑3 شماتیک فرایند بیوراکتورغشایی لوله ای[59] 35
شکل ‏2‑4 ترکیب بیوراکتور و فرایند اسمز رو به جلو] [60] 36
شکل ‏2‑5 شماتیک راکتور مورد استفاده توسط ال-ناس[61] 37
شکل ‏2‑6 بیوراکتور غشاء مایع محافظت شده[62] 38
شکل ‏2‑7 شماتیک مدول غشایی استفاده‌شده توسط تریوانس و همکاران [63] 39
شکل ‏2‑8 شماتیک فرایند مورد استفاده شن و همکاران[65] 40
شکل ‏3‑1 فرایند حذف فنل توسط تماس دهنده غشایی بیولوژیکی[68] 43
شکل ‏3‑2 طول توسعه یافتگی درون کانال[70] 45
شکل ‏4‑1 انتخاب معادلات… 52
شکل ‏4‑2 شرایط مرزی در محیط نرم افزار. 53
شکل ‏4‑3 شماره گذاری مرزها 54
شکل ‏4‑4 تعریف ضریب نفوذ و معادله سرعت در سمت الیاف… 55
شکل ‏4‑5 تعریف ضریب نفوذ غشاء. 55
شکل ‏4‑6 تعریف ضریب نفوذ و معادله سرعت در سمت پوسته. 56
شکل ‏4‑7 مش بهینه. 57
شکل ‏4‑8 بررسی تغییرات غلظت فنل خروجی از الیاف با تعداد المان های مش…. 57
شکل ‏4‑9 تعیین طول گام و زمان فرایند. 58
شکل ‏5‑1 توزیع غلظت درون الیاف در زمان 25 ساعت… 60
شکل ‏5‑2 توزیع غلظت درون پوسته در زمان 25 ساعت… 61
شکل ‏5‑3 توزیع سرعت درون الیاف… 62
شکل ‏5‑4 توزیع سرعت درون پوسته. 63
شکل ‏5‑5 تأثیر غلظت اولیه فنل بر بازدهی حذف فنل.. 65
‏5‑6  تأثیر دبی فاز سلولی بر بازدهی حذف فنل.. 66
شکل ‏5‑7 اثر افزایش شعاع خارجی غشاء بر بازدهی حذف… 66
شکل ‏5‑8 اثر شعاع داخلی غشاء بر بازدهی حذف فنل.. 67
 
 
فهرست جداول
جدول ‏1‑1  میزان فنل در پساب صنایع مختلف [4] 15
جدول ‏1‑2 مشخصات فیزیکی و شیمیایی فنل[9] 16
جدول ‏1‑3 مزایا و معایب روش های حذف… 30
 
چکیده
تاکنون روش های زیادی برای حذف فنل از پساب ارائه شده که از بین آنها، فرایند بیوراکتور غشایی در یک دهه اخیر مورد توجه قرار گرفته است. استفاده از تماس دهنده غشاء الیاف توخالی در این فرایند، برای جلوگیری از تماس مستقیم دو فاز و افزایش نسبت سطح به حجم است. در پروژه حاضر به مدل سازی و شبیه سازی حذف فنل از پساب با بکارگیری این تماس دهنده پرداخته شده است. همچنین اثر پارامترهایی همچون دبی فازها، غلظت اولیه، طول غشاء و شعاع داخلی و خارجی غشاء بر بازدهی حذف فنل از پساب مورد بررسی قرار گرفته است.
دستگاه معادلات دیفرانسیل پاره ای ارائه شده در مدل همراه با شرایط مرزی آن بوسیله ی شبیه سازی توسط نرم افزار COMSOL، به روش المان محدود حل شده اند. نتایج حاصل از شبیه سازی با داده های تجربی موجود مقایسه گردیده و انطباق نسبتا مناسبی مشاهده شده است. با افزایش غلظت اولیه، بازدهی حذف فنل کاهش‌ می یابد. افزایش دبی فاز سلولی، بازدهی حذف فنل را اندکی افزایش می دهد. همچنین افزایش طول غشاء تا حدودی سبب بهبود بازدهی حذف می شود. با افزایش تعداد الیاف غشاء درون تماس دهنده بازدهی ابتدا افزایش و سپس کاهش می یابد.
 
واژه های کلیدی: بیوراکتور غشایی، تماس دهنده غشایی الیاف توخالی، مدل سازی، شبیه سازی، فنل
 
پیش گفتار
با افزایش جمعیت و گسترش روزافزون کارخانجات صنعتی، میزان مصرف آب در سطح جهان افزایش یافته است. با توجه به کمبود آب آشامیدنی در دسترس، یکی از راه های تامین آب، استفاده مجدد از آب های سطحی و پساب ها است. اما به علت وجود مواد آلاینده و سمی در پساب ها، نمی توان از آن ها بطور مستقیم استفاده کرد. فنل یکی از آلاینده های بسیار خطرناک است که در پساب خروجی صنایع مختلفی از جمله پالایشگاه های نفت و  کارخانجات پتروشیمی، رزین و پلاستیک، پارچه و کاغذ وجود دارد. روش های زیادی برای حذف فنل ارائه شده است اما بسته به غلظت و میزان آن، از هر کدام از روش ها در جای خود استفاده می شود.
بیوراکتورغشایی، روشی جدید برای حذف فنل از پساب ها به شمار می آید. در این فرایند از تماس دهنده غشایی الیاف توخالی برای جلوگیری از ممانعت کنندگی فنل، تماس مستقیم دو فاز، تولید کف و طغیان  و تشکیل امولسیون استفاده می شود. همچنین تماس دهنده های غشایی الیاف توخالی به علت فشردگی و نسبت سطح به حجم بالایی که دارند، می توانند ضمن ارائه کارایی مناسب، صرفه جویی قابل توجهی در وزن دستگاه ها و همچنین فضای موردنیاز ایجاد کنند. این روش در مواردی که نسبت حلال به خوراک خیلی بالا یا خیلی پایین باشد مفید است. در حقیقت در بیوراکتورغشایی، مزایای بیوراکتور و فناوری غشایی با یکدیگر ترکیب شده اند.
با در نظر گرفتن ویژگی های فرایند بیوراکتورغشایی در مقایسه با سایر روش ها جداسازی، در پروژه حاضر به مدل سازی و شبیه سازی حذف فنل از پساب توسط بیوراکتورغشایی پرداخته می شود، تا شناخت بهتری از عملکرد آن حاصل گردد.
در فصل اول از پروژه حاضر، ابتدا کلیاتی راجع به فنل و مضرات آن، روش های حذف و جداسازی آن، مزایا و معایب هر یک از آن ها و سینتیک واکنش های بیولوژیکی اشاره می شود.
در فصل دوم ابتدا فرایند بیوراکتورغشایی به اختصار معرفی می شود و در ادامه به بررسی پژوهش های انجام شده در زمینه حذف فنل از پساب توسط بیوراکتور و نتایج آن ها پرداخته می شود.
در فصل سوم، مدل سازی فرایند و معادلات حاکم بر هر سه قسمت درون الیاف، غشاء و پوسته و همچنین تانک ها، به همراه شرایط مرزی مناسب آن ها ارائه می شود.
در فصل چهارم، ابتدا نرم افزار COMSOL معرفی شده و سپس مراحل انجام شبیه سازی و پیاده سازی معادلات حاکم بر فرایند به همراه شرایط مرزی آن ها در نرم افزار، گام به گام توضیح داده می شود.
در فصل پنجم، نتایج حاصل از شبیه سازی با داده های تجربی حاصل از آزمایشات مقایسه می گردد. همچنین در انتهای فصل، اثر تغییر پارامترهای مختلف بر بازدهی حذف فنل بررسی می گردد.
در فصل ششم نیز جمع بندی از نتایج انجام شده و پیشنهادهایی برای مطالعات آینده ارائه می گردد.
 
فصل اول
حذف فنل از پساب
 
1-1       مقدمه
کمبود میزان آب آشامیدنی در دسترس و افزایش روزافزون گازهای گلخانه‌ای در جو زمین، سبب شده تا دانشمندان و پژوهشگران به دنبال راه‌حلی اساسی برای رفع این مشکل باشند؛ زیرا این گازها موجب افزایش دمای سطح زمین و به‌تبع آن، آب شدن یخچال‌های طبیعی و تبخیر آب‌های سطحی خواهند شد.
با توجه به کمبود آب آشامیدنی، محققان در تلاش هستند که برای آبیاری زمین‌های کشاورزی یا در کارخانه‌های صنعتی از پساب های موجود استفاده کنند. اما نمی‌توان از فاضلاب‌ها به‌طور مستقیم استفاده کرد زیرا برخی از آن‌ ها حاوی مواد سمی، خطرناک و مضر برای سلامتی انسان ها و محیط زیست هستند. همچنین بعضی از پساب‌ها را نمی‌توان مستقیماً دفن و یا وارد محیط‌زیست کرد، خصوصاً پساب‌ مربوط به بیمارستان‌ها، کارخانه‌های مواد شیمیایی و تسلیحات نظامی و شیمیایی زیرا میزان آلاینده‌های موجود در این پساب بسیار بالاست. با این تفاسیر قبل از استفاده، بایستی تصفیه بر روی آن ها انجام شود و مواد آلاینده، میکروب‌ها و مواد مضر آن ها از بین برود. اما بسته به نوع و کیفیت پساب، روش‌های مختلفی ارائه‌شده است که در این فصل به برخی از آن ها اشاره خواهد شد.
 

1-2       شناسایی آلاینده فنلی

فنل و ترکیبات فنلی جزء مواد آلی بسیار پایدار بوده و از آلاینده‌های متداول منابع آبی می‌باشند. این ترکیبات بطور طبیعی از قطران زغال‌سنگ و تقطیر بنزین و به‌صورت مصنوعی در اثر حرارت دادن سولفات بنزن سدیمی با سود آبدار در فشار بالا تولید می‌شوند[]. به‌طورمعمول، سالانه حدود 6 میلیون تن فنل در سراسر جهان تولید می‌شود[2]. فنل و مشتقاتش در فاضلاب‌های صنایع مختلفی از قبیل پالایشگاه‌های نفت، کوره‌های زغال‌سنگ، کک سازی‌ها، کارخانه‌های پتروشیمی[2]، رزین و پلاستیک، کارخانه‌های پارچه و چرم، کاغذ و خمیرکاغذ، فرایندهای ریخته‌گری و کارخانه‌های بازیافت کائوچو حضور داشته و عمدتاً از طریق تخلیه فاضلاب‌های این صنایع وارد محیط می‌شوند[3].
 
میزان فنل در پساب‌ صنایع مختلف، در جدول ‏1‑1 گزارش‌شده است.
جدول ‏1‑1  میزان فنل در پساب صنایع مختلف [4]

 

 

 

 

 

 

 

 

 

 

 

 

 

 
 
 
موضوعات: بدون موضوع  لینک ثابت
 [ 06:33:00 ب.ظ ]
1 ... 115 116 117 ...118 ... 120 ...122 ...123 124 125 ... 419