بخشی از مقاله
چکیده
صنایع نفت به مقدار زیادي آب به منظور پالایش و فرآوري نیاز دارند و در نتیجه تولید حجم زیادي پساب در اثر فعالیت پالایشگاه ها، امري اجتناب ناپذیر است. پساب پالایشگاه ها در گروه پساب هاي ضعیف و پیچیده طبقه بندي می شود از این روتصفیه آن دشوار است .
ترکیبات آروماتیکی ازقبیل فنل، بنزن ،تولوئن وترکیبات مشتق شده ازآن درپساب خروجی ازصنایعی ازقبیل پالایش نفت وجوددارند.فرآیند فتوکاتالیستی یکی ازفرآیندهاي اکسیداسیون پیشرفته است ،که توانایی آن براي حذف انواع ترکیبات سمی وسخت تجزیه پذیر اثبات شده است به منظور صرفه جویی اقتصادي و جلوگیري از تکرار آزمایشات ، از مدلسازي فرآیند هاي فتوکاتالیستی می توان به عنوان ابزاري مطمئن استفاده نمود .
از میان روش هاي مدلسازي، شبکه عصبی مصنوعی داراي دقت و کاربرد زیادي در فرآیند هاي بیوتکنولوژي میباشد. نتایج حاصل از این مطالعه نشان داد که ضریب همبستگی بدست آمده ، به 1رسیده است، که این بیانگر آن است که تطابق خوبی بین داده هاي واقعی و مقادیر پیش بینی شده توسط مدلسازي وجود دارداز مجموع 30 داده موجود در این زمینه، دو سوم آن جهت آموزش شبکه و یک سوم باقیمانده به منظور ارزیابی دقت مدلسازي انتخاب گردید. در آموزش شبکه تابع انتقال میانی Tribas و تابع انتقال خروجی Purelin تعداد نورون ها 2 به عنوان بهترین پارامتر ها تعیین گردید. میزان خطاي آموزش شبکه 0.5724 و خطاي ارزیابی دقت شبکه 1.0874 بدست آمد
-1 مقدمه
پالایشگاه ها از مراکز پر مصرف آب هستند که در ایران اغلب در مجاورت شهرهاي بزرگ و حتی در برخی مواقع در داخل شهرها قرار دارند . .از معیارهاي اصلی در طراحی واحدهاي تصفیه پسآب در پالایشگاه ها، نوع استفاده از پسآب تصفیه شده می باشد. پساب پالایشگاه نفت حاوي غلظت بالایی ازهیدروکربونهاي نفتی آروماتیک و آلیفاتیک می باشد که میتواند منجر به آلودگی شدید خاك وآبهاي سطحی شود. مقدار و ویژگی پساب تولیدشده از پالایشگاه نفت به چگونگی فرآیندهاي پالایشبستگی دارد . به طور معمول پساب پالایشگاه نفتحاوي mg/l 20-200 فنل، mg/l 100-1 بنزن، -10 mg/l 0/1 کروم و mg/l 0/2-10 سرب با COD 600 -200 mg/l می باشد
فنل و مشتقات فنلی که در خروجی پالایشگاه هاي نفت وجود دارند به دلیل سمیت بالا، پایداري،قابلیت تجزي هپذیري بیولوژیکی بسیارپایین و توانایی باقی ماندن در محیط براي مدتهاي طولانی، خطربسیار جدي براي محیط زیست محسوب می شوند.بنابراین، توسعه و گسترش روش هاي اقتصادي و مؤثر براي حذف این آلایند هها از خروجی پالایشگاه هاي نفت و احیاي چرخه گردش آب در طبیعت امري ضروري است.
روش هاي معمول و کلاسیک تصفیه پسا ب هاي نفتی بر اساس روشهاي فیزیکو شیمیایی، روش هاي مکانیکی و تصفیه بیولوژیکی در واحد تصفیه لجن فعال می باشد. روشهاي مختلف از جمله استفادهاز منعقد کنند هها، انعقاد ارتقاء یافته با سانتریفیوژ،جذب، اولترافیلتراسیون، اکسیدان هاي شیمیایی وغشاءها توسط محققین براي تصفیه پسابها به کارگرفته شده است
اما این روشها هر کدام داراي معایبی می باشند که از آن جمله می توان به تولید لجن شیمیایی، کنترل شدید شرایط واکنشها،کارایی کم، سرعت واکنش پایین و کارایی در محدوده کوچکی از pH اشاره کرد[3] در سالهاي اخیر در میان رو شهاي اکسیداسیون پیشرفته، استفاده از نیمه هادیها در معرض نور که به عنوان واکنشهاي فتوکاتالیکی هتروژن شناخته میشوند، توجه محققین را به خود معطوف کرده است.
در فرآیندهاي فتوکاتالیکی هتروژن اغلب از TiO2 همراه با نور UV براي تخریب مواد آلی غیر قابل تجزیه استفاده می شود. این فرآیند با تولید رادیکا لهاي هیدروکسیل تحت شرایط واکنشی ملایم، توانایی تبدیل مواد غیر قابل تجزیه بیولوژیکی به موادبی خطر مانند CO2 و H2O را دارد.
در فرآیندهاي فتوکاتالیکی متغیرهاي زیادي همچون COD،UV ، مقدار کاتالیست، دما و pH بر روي فرآیند تأثیر میگذارند. اما به هر حال تاکنون اثرات ویژه هر کدام و همچنین اثرات برهم کنشی آنها بر روي فرآیند تصفیه پساب هاي نفتی مورد بررسی قرار نگرفته است. به علاوه روشهاي مرسوم براي تصفیه سازي فرآیندهایی که داراي چند متغیرمیباشد، معمولاً به صورت ثابت نگهداشتن تمام متغیرها و تغییر دادن تنها یک متغیر صورت می گیرد که این کار وقت گیر بوده و نمی تواند اثرات متقابل متغیرها را به خوبی نشان دهد
آب تصفیه شده درپالایشگاه هاي کشور داراي سه کاربرد است: از این آب یادر برج هاي خنک کننده استفاده می شود، یا در آب رودخانه و دریا تخلیه می گردد و یا به عنوان آب کشاورزي براي آبیاري به کار می رود . روش هاي تصفیه فاضلاب هاي نفتی در پالایشگاه ها را می توان به روش هاي فیزیکی، بیولوژیکی و شیمیایی تقسیم کرد. تصفیه بیولوژیکی یک روش مؤثربراي حذف مواد آلی نظیر مواد معلق و یا محلول در پسآب است
حال براي مقابله مؤثر با پیچیدگی روزافزون ، مطالعه و مدل سازي سیستم هاي زیستی نیازمند ایجاد روش هایی است که بیش از پیش به شیوه هاي تفکر خود انسان نزدیک باشند. شبکه هاي عصبی مصنوعی نمونه از این ابزار می باشد. توانایی شبکه هاي عصبی مصنوعی در مدل سازي سیستم هاي پیچیده اي است که داراي ویژگی هاي غیر خطی می باشند که از طرفی آنها را به محبوب ترین ابزارها براي مدل سازي فرآیندهاي بیولوژیکی تبدیل کرده است.
تعداد مطالعاتی محدودي در خصوص کاربرد مدل سازي الگوریتم ژنتیک – شبکه عصبی براي مدلسازي و کنترل فرایند هاي نفتی گزارش شده است با این وجود می توان به برخی از تلاش هاي صورت گرفته اشاره نمود .تاریخ نخستین پژوهش در مورد شبکه هاي عصبی مصنوعی به سال 1943 میلادي باز میگرددکه در آن م ککولاچ و پیتز اولین گام را در زمینه معرفی این روشبرداشتند .
از آن زمان به بعد شبکه هاي عصبی مصنوعی به طورگسترده اي براي مدل کردن فعالیتهاي بشري در بسیاري از زمینه هاي علوم و مهندسی همچون هوافضا، خودروسازي، الکترونیک، ساخت و تولید و مهندسی نفت استفاده شده است نخستین بار درسال 1993 کاربرد شبکه هاي عصبی مصنوعی در مهندسی نفت توسط جونیاردي و ارشاقی بررسی شد. در دو دهه گذشته شبکه هاي عصبی مصنوعی به طرز گسترد هاي در جنب ههاي گوناگون مهندسی نفت مثل توصیف مخزن، توسعه میدان، جریان دوفازي در لول هها، تعیین مدلهاي تفسیرآزمایش چاه، بررسی تکمیل چاه، پیش بینی آسیب سازند، پیش بینی تراوایی سازند و مخازن شکاف دار استفاده شده است
-2 تئوري
در مدلسازي به روش شبکه عصبی که برگرفته از روش کار مغز انسان است، با پردازش روي داده هاي تجربی، دانش یا قانون نهفته در وراي داده ها به ساختار شبکه منتقل می شود. به عبارت دیگر با انجام محاسبات روي داده هاي عددي، قوانین کلی به شبکه آموزش داده می شود. شبکه بدست آمده قادر خواهد بود با توجه به آموزشی که به آن داده می شود، فرآیند هاي بسیار پیچیده را مدلسازي و پیش بینی نماید. به عنوان مثال از این روش براي تشخیص دست نوشته ها و نیز تبدیل آوا به خط استفاده می شود.
مغز انسان شامل تعداد زیادي - حدود - 1011 اجزاء به هم متصل شده 104 - اتصال براي هر جزء - که نورون نامیده می شوند می باشد. این نورون ها شامل سه جزء اصلی هستند: Dendrites، Cell body، و .Axon Dendrite ها شبکه هاي گیرنده درخت مانند، شامل رشته هاي عصبی هستند که سیگنالهاي الکتریکی را به Cell body منتقل می کنند . Cell body این سیگنالهاي ورودي را به طور موثر جمع می کند و در آستانه قرار می دهد. Axon یک رشته بلند است که سیگنال را از Cell body به نورون دیگر منتقل می کند. نقطه تماس بین Axon یک Cell bodyو Dendrite سل دیگر، Synapse نامیده می شود . چیدمان نورونها و استحکام خود Synapse ها که توسط یک فرآیند پیچیده شیمیایی مشخص می شود، کارایی شبکه عصبی را تعیین می کند
هر نورون مصنوعی شامل یک یا تعدادي ورودي، یک وزن - براي نورون چند ورودي، چند وزن - ، یک بایاس - Bias - یا آفست، یک جمع کننده، یک تابع انتقال - Activation or Transfer - Function و یک خروجی می باشد. ورودي اسکالر p در وزن اسکالرw ضرب می شود تا wp را تشکیل دهد که یکی از ترمهایی است که به جمع کننده فرستاده می شود. ورودي دیگر، 1 ، در یک بایاس،b ضرب می شود و به جمع کنده فرستاده می شود. خروجی جمع کننده، nکه معمولاً نت ورودي نامیده می شود، به تابع انتقال f فرستاده می شود که خروجی اسکالر نورون a را تولید می کند. اگر این مدل را با نورون بیولوژیکی مقایسه کنیم، وزن w مربوط به استحکام یک Synapse می شود، Cell body با جمع کننده بیان می شود و تابع انتقال و خروجی نورون بیانگر سیگنال روي Axon هستند.
یک شبکه عصبی مصنوعی شامل چند لایه از نورونها است. داده هاي ورودي وارد لایه ورودي می شود. خروجی هاي این لایه، ورودي لایه بعدي را تشکیل می دهد و خروجی لایه آخر خروجی شبکه می باشد. هر لایه، خود شامل تعدادي نورون است. لایه اي که خروجی هایش خروجی شبکه هستند، لایه خروجی نامیده می شود. لایه هاي دیگر، لایه میانی - - Hidden Layer نامیده می شوند.
-3 شرح آزمایش
- 1 - 3 ویژگی هاي پساب
تستهاي آزمایشگاهی با استفاده از نمونه هاي پساب پیش تصفیه شده - بعد از روشهاي فیزیکوشیمیایی - صورت گرفت. نمونه ها ازمحل ورودي واحد تصفیه بیولوژیکی تصفیه خانه پالایشگاه نفت جمع آوري شد. مقدار TCOD ، این پساب برابر mg/l 220 می باشد. سایر ویژگی هاي فاضلاب عبارتنداز: pH=7 /1 ،کدورت 85 NTU و TDS=560 mg/l
- 2 - 3 مواد شیمیایی
دي اکسید تیتانیوم استفاده شده در این مطالعه - Degussa 25 - - p شامل % 80 آناتاس و % 20 روتیل با اندازه ذرات nm30 و سطح m2/g50 می باشد که از شرکت Plasmachem خریداري شد. همچنین اسید سولفوریک و هیدروکسید پتاسیم براي تنظیم pHاستفاده گردید.
- 3 - 3 روش هاي اندازه گیري
غلظت اکسیژن مورد نیاز شیمیایی با روش استاندارداندازه گیري شد . [7] براي اندازه گیري TCOD روش کالریمتري به کار گرفته شده و سپس براي انداز هگیري مقدار COD یک اسپکتروفتومتر DR5000 Hach- USAدر طول موج nm 600 مورد استفاده قرار گرفت.
