فرهیختگان بررسی می‌کند
سارا طاهریبهینهسازی فرایند کاهش غلظت تولوئن از هوای آلوده به روش فوتوکاتالیستی در حضور بستر کاتالیستی PU/TiO2 با مدل آماری رویه پاسخ
طراحی فضای شهری سازگار با محیط‌زیست و نقش آن در بهبود زندگی و محیط زیست
«مجید جلالی - واحد علوم تحقیقات - مهندسی محیط‌زیست - کارشناسی ارشد»
چکیده: طی چند دهه گذشته، با صنعتی شدن زندگی انسان و نیاز به مواد شیمیایی حاصل از ترکیبات نفتی در ساخت انواع محصولات صنعتی، آثار مخرب این ترکیبات بر روی محیط‌زیست از طریق ایجاد آلودگی‌های صنعتی افزایش یافته است. یکی از ترکیبات شیمیایی مورد استفاده در بسیاری از صنایع، ترکیبات آلی فرار است. این ترکیبات شامل طیف وسیعی از مواد شیمیایی است. ترکیبات BTEX به‌عنوان شاخص ترکیبات آلی شناخته می‌شوند. هدف از این مطالعه، بهینه‌سازی فرایند کاهش غلظت تولوئن از هوای آلوده به روش فوتوکاتالی ستی در حضور بستر کاتالیستی
TiO2/PU با مدل آماری رویه پاسخ بود. در این مطالعه تأثیر پارامتر‌های دبی جریان هوا (4-2 لیتر در دقیقه)، غلظت تولوئن (50-25 پی‌پی‌ام) و مقدار کاتالیست نشانده شده (50-25 میلی‌گرم بر مترمربع) توسط نرم‌افزار دیزاین اکسپرت و طراحی باکس بنکن مورد بهینه‌سازی قرار گرفت. در شرایط بهینه فرایند، تأثیر منابع نوری مختلف و همچنین اثر سینرژیستی مکانیسم‌های دخیل بر کارایی مورد سنجش قرار گرفت. نتایج نشان داد مدل پیشنهادی توسط نرم‌افزار از مدل دوجمله‌ای تبعیت می‌کند و شرایط بهینه فرایند در دبی دو لیتر در دقیقه، غلظت تولوئن 25 میلی‌گرم در مترمکعب و مقدار کاتالیست 47.9 میلی‌گرم بر متر مربع اتفاق می‌افتد. در این شرایط فرایند مذکور توانایی حذف 80 درصد از تولوئن را دارد. بررسی اثر سینرژیستی مکانیزم‌های دخیل بر کارایی مشخص کرد که مکانیسم فوتولیز به‌تنهایی 30.07 درصد و مکانیسم جذب سطحی تنها 12.47 درصد از تولوئن اولیه را کاهش می‌دهند. با در نظر گرفتن غلظت اولیه 25 پی‌پی‌ام و کارایی 80 درصدی، غلظت خروجی تولوئن در سیستم به 6.25 پی‌پی‌ام می‌رسد. فرایند مورد مطالعه در حضور منابع مختلف نوری که شامل اشعه ماورای بفش A، C و نور مرئی است می‌تواند، 83.14، 80 و 41.9 درصد از غلظت اولیه تولوئن را کاهش دهد.
ارزیابی اثرات زیست‌محیطی سیستم‌ها و حوادث مربوطه و ارائه راهکارهای مؤثر در کاهش اثرات مخرب
برآورد مخاطرات بهداشتی آلاینده‌های هوا در شهر تهران با استفاده از مدل AirQ
«آویژه گویری - واحد علوم تخقیقات - مدیریت بهداشت ایمنی و محیط زیست - کارشناسی ارشد»
چکیده: طبق برآوردهای WHO، هر سال ۸۰۰,۰۰۰ نفر در اثر بیماری‌های قلبی-عروقی، تنفسی و سرطان ریه ناشی از آلودگی هوا در سرتاسر دنیا دچار مرگ زودرس می‌شوند؛ تقریباً ۱۵۰,۰۰۰ نفر از این تعداد مرگ در جنوب آسیا رخ می‌دهد. نتایج مطالعات در خصوص اثرات کوتاه‌مدت و بلندمدت به‌صورت موارد بستری، مراجعه به پزشک، تعداد موارد یک بیماری خاص، مرگ و تعداد سال‌های از دست رفته زندگی (YOLL) گزارش می‌شود.مواد و روش‌ها: این تحقیق شامل کمّی‌سازی اثرات بهداشتی آلاینده‌های هوا در سال ۱۴۰۱ در تهران است. در این مطالعه از مدل AirQ برای ارزیابی و اندازه‌گیری اثرات بهداشتی حاصل از در معرض قرار گرفتن آلاینده‌های هوای شهر تهران در سال ۱۴۰۱ استفاده شده است. تعداد ایستگاه‌های مورد مطالعه ۲۲ ایستگاه بود. مدل AirQ توسط سازمان جهانی بهداشت معرفی شده که می‌تواند پیامدهای بهداشتی منتسب به آلاینده‌های هوا را پیش‌بینی کند و پیامدهای بهداشتی گوناگون را در نرخ‌های انتشار مختلف اندازه‌گیری کند. بنابراین، مرگ و میر و بیماری‌های پنج آلاینده شاخص هوا در شهر تهران در سال ۱۴۰۱ با به‌کارگیری خطر نسبی و میزان بروز پایه که اطلاعات آن را از WHO اخذ می‌کند، مورد اندازه‌گیری قرار می‌گیرد.
بهبود پیش‌بینی میزان آلایندگی NO2 با استفاده از شبکه عصبی روش گروهی مدل‌سازی داده‌ها بهبود یافته با الگوریتم بهینه‌سازی ارشمیدس
نقش آموزش‌های تخصصی در ارزیابی آلاینده‌های زیست محیطی
«محمد حیدری‌خواه - واحد تهران مرکزی - مهندسی عمران و منابع زمین - کارشناسی ارشد»
چکیده: یکی از چالش‌های زیست‌محیطی اساسی در کلانشهر‌ها مسئله آلودگی هواست. این مسئله در کلانشهری مانند تهران به‌علت حجم ترافیک بالا، استفاده از خودرو‌های غیراستاندارد، احتراق ناقص سوخت‌های مورد استفاده خودرو‌ها و بی‌توجهی که طی سال‌های گذشته نسبت به آلودگی هوا صورت‌گرفته اهمیت به‌خصوصی پیدا کرده است. پیش‌بینی غلظت روزانه آلاینده‌های هوا اولین گام اساسی در برنامه‌ریزی کاهش اثرات آن‌هاست. در این تحقیق تمرکز بر پیش‌بینی آلایندگی NO2 با استفاه ازشبکه عصبی روش گروهی مدل‌سازی داده‌های بهبودیافته با الگوریتم بهینه‌سازی ارشمیدس است. برای این منظور پس از جمع‌آوری داده‌ها در مرحله پیش‌پردازش پس از پاکسازی و نرمال‌سازی داده‌ها عمل انتخاب ویژگی با استفاده از الگوریتم تحلیل مؤلفه‌های اصلی انجام می‌شود، سپس در مرحله پیش‌پردازش شبکه عصبی روش گروهی مدل‌سازی داده‌ها با استفاده از الگوریتم بهینه‌سازی ارشمیدس بهبود داده می‌شود تا پیش‌بینی آلایندگی NO2 به‌صورت بهینه انجام شود. درجهت مقایسه روش پیشنهادی از شبکه‌های عصبی دیگر مانند پایه‌ای شعاعی و پرسپترون چند لایه نیز استفاده شده است. نتایج حاکی از میانگین مربعات خطای 0/69 در روش پیشنهادی دارد.
دیگر پایان‌نامه‌های دانشجویی مرتبط با آلودگی‌های زیست‌محیطی را در روزنامه فرهیختگان ببنید
مطالب پیشنهادی
