کاربرد شبکه عصبی در پیشبینی راندمان حذف مواد نفتی به روش بیولوژیکی

صنایع نفتی شامل پالایشگاه های نفت، کارخانجات پتروشیمی، صنایع لاستیک سازی، پلاستیک سازی و واحدهای تصفیه روغن، به دلیل تولید مقدار بسیار زیاد فاضلاب، پیچیدگی سیستمهای تصفیه، گران بودن هزینه ساخت و نگهداری آنها و نیز پایداری آلودگیهای نفتی و صدماتی که تخلیه فاضلاب واحدهای صنعتی مزبور به منابع آبی و محیط زیست وارد میکنند، یکی از مهمترین منابع آلوده کننده محسوب میگردند . یکی از سیستمهای بیولوژیکی که در تصفیه فاضلابهای مختلف، مقاومت خوبی در برابر شوکهای سمی و هیدرولیکی داشته، راکتور بیوفیلمی با بستر متحرک است. در این مطالعه از یک سری داده های آزمایشگاهی شامل پارامترهای مختلف از جمله TPHin و TPHout حاصل تصفیه بیولوژیکی آلاینده نفتی استفاده گردید و پیشبینی کیفی منبع نفتی و راندمان حذف مواد نفتی به کمک شبکه های عصبی مصنوعی مورد بررسی قرار گرفت. بدین منظور، مدل پیشبینی کیفی نفت بر اساس راندمان حذف آلاینده برآورد شده و شبکه عصبی ۳ لایه با تعداد ۸ نورون طراحی گردید. طبق نتایج مقایسه راندمان حذف پیشبینی شده توسط شبکه با راندمان حذف واقعی میزان خطای آن حدود %۹۵.۳ حاصل شد که این میزان کمترین خطای ممکن میباشد .

Keywords:

تصفیه بیولوژیکی , MBBR , TPH , شبکه عصبی مصنوعی.