مقایسه مدلسازی روش‌های شبکه عصبی و RSM فرایند استخراج از صفحات مدارچاپی تلفن همراه توسط عصاره لیمو

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه مهندسی شیمی، دانشکده مهندسی، دانشگاه کردستان

10.22034/ijche.2021.284629.1112

چکیده

در این پژوهش، مقایسه بین روش های شبکه عصبی و سطح پاسخ در فرایند بیواسید لیچینگ بر پایه استفاده از عصاره لیمو برای استخراج فلزات مس و روی از صفحات مدارچاپی تلفن همراه بررسی شده است. سه فاکتور مهم چگالی پسماند، غلظت هیدروژن پراکسید و غلظت عصاره لیمو موردبررسی قرار گرفت. برای بهینه‌سازی فاکتورهای موثر از روش سطح پاسخ (RSM) استفاده شد. نتایج نشان داد که برای ذراتی با اندازه 150 تا μm 180 در دمای ثابت °C20 و زمان h 4 در شرایط بهینه شامل چگالی پسماند(w/v) % 4/1 غلظت هیدروژن پراکسید (v/v) %2/12 و غلظت عصاره لیمو (v/v) % 74، راندمان بازیابی فلزات مس و روی به ترتیب 89% و73% می‌باشد. همچنین از شبکه عصبی مصنوعی برای پیش‌بینی میزان استخراج فلزات مس و روی به‌عنوان تابعی از فاکتورهای موردبررسی استفاده شد. برای اعتبارسنجی مدل، یک چهارم داده‌های آزمایشگاهی به‌عنوان داده‌های ارزیابی در نظر گرفته شدند. نتایج مدل‌سازی شبکه عصبی دقت بالایی را به‌منظور پیش‌بینی متغیر هدف نشان داد بطوریکه مقادیر خطای MRE، MSE و R2 به ترتیب %485/9، 254/15 و 9356/0 برای مدل پیش‌بینی کننده استخراج مس و %854/1، 094/1 و 9963/0 0 برای مدل پیش‌بینی کننده استخراج روی بدست آمد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Neural network modeling of the process of extraction from mobile printed circuit boards by lemon juice organic acids

نویسندگان [English]

  • R. Ozairy
  • R. Beigzadeh
  • S. O. Rastegar
University of Kurdistan
چکیده [English]

In this study, the application of bio-acid leaching method based on the use of lemon juice to extract copper and zinc metals from mobile printed circuit boards has been investigated. Three important factors were investigated include lemon juice concentration, Solid/Liquid (S/L) ratio, and hydrogen peroxide (H2O2) concentration. Response surface methodology (RSM) was used to optimize the effective factors. The results showed that for particles with a size of 150 to 180 μm at a constant temperature of 20 ° C and time 4 h under optimal conditions including 1.41% (w/v) S/L ratio, 12.2% (v/v) H2O2 and 74% (v/v) lemon juice, copper and zinc recovery efficiencies are 89% and 73%, respectively. Moreover, the artificial neural network was used to predict the extraction of copper and zinc metals as a function of the studied factors. To validate the model, laboratory results were considered as evaluation data. The results of neural network modeling showed high accuracy to predict the target variable. The values of MRE, MSE, and R2 were 9.485, 15.254, and 0.9356% for the copper extraction model and 1.854%, 1.094, and 0.9963% for the zinc extraction model, respectively.
 

کلیدواژه‌ها [English]

  • Bio-acid leaching
  • Mobile printed circuit boards (PCBs)
  • Response Surface Methodology
  • Artificial Neural Network