حمیدرضا اردشیری لردجانی - سمنان، دانشگاه سمنان، دانشکده مهندسی شیمی نفت گاز، آزمایشگاه مدلسازی و شبیه سازی فرآیند (psmlab.ir)
امیر حیدری - سمنان، دانشگاه سمنان، دانشکده مهندسی شیمی نفت گاز، آزمایشگاه مدلسازی و شبیه سازی فرآیند (psmlab.ir)

فرآیند اسمز معکوس (RO) به عنوان یکی از فناوری های بسیار پرکاربرد و مهم در صنعت تصفیه آب برای کاهش سختی مورد استفاده قرار می گیرد. در این مقاله تصفیه خانه اسمز معکوس شهر سرخه به کمک یک شبکه عصبی مصنوعی (ANN) و بهینه سازی آن با الگوریتم ژنتیک (GA) برای ساختن یک مدل ریاضی جامع مورد مطالعه قرار گرفته است. مدل شبکه عصبی سیستم با استفاده از داده های صنعتی آموزش داده شد. با توجه به نتایج به دست آمده از بهینه سازی شبکه عصبی با کمک روش الگوریتم ژنتیک معادله ی لونبرگ مارکواردت از بین معادلات مختلف برای آموزش شبکه ی عصبی انتخاب شد. همچنین تعداد ۱۰ نورون برای لایه ی پنهان اول و تعداد ۹ نورون برای لایه ی پنهان دوم به دست آمد. بر اساس فرآیند بهینه سازی به کمک الگوریتم ژنتیک توابع فعال ساز برای لایه ی اول تابع Logsig، برای لایه ی دوم Tribas و برای لایه ی خروجی تابع Tansig انتخاب گردید. نتایج نشان داد ضریب رگرسیون محاسبه شده برای شبکه عصبی بهینه برابر با ۹۹۵/۰ می باشد.

غشا، نمک زدایی، شبکه عصبی مصنوعی، الگوریتم ژنتیک