انتخاب سیستم تصفیه فاضلاب مناسب با استفاده ازG-EDAS و G-COPRAS و ادغام با روش G-AHP
Publish place: The Journal of Environmental Studies، Vol: 49، Issue: 3
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 92
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESJ-49-3_006
تاریخ نمایه سازی: 15 آذر 1402
Abstract:
نظریه تصمیم در محیط خاکستری کاربردهای گسترده ای در همه زمینه های دانش پیدا کرده است. هدف از تصمیم گیری خاکستری، ایجاد یک مدل پیش بینی پیشرفته از یک سیستم بر اساس داده های به دست آمده از حسگرهای متعدد یا کارشناسان مستقل است. روش های بهینه سازی چند معیاره و حل سازشی، تاپسیس خاکستری، تصمیم گیری چند شاخه خاکستری، روش ارزیابی براساس فاصله از میانگین و روش ارزیابی تناسب جامع از جمله مهمترین روش ها در نظریه تصمیم در محیط خاکستری هستند. یکی از مهمترین موضوعات، قبل از طراحی و اجرای هر تصفیه خانه فاضلاب، انتخاب بهترین فرآیند تصفیه است. در این مقاله ابتدا از طریق تهیه پرسشنامه و با نظر سنجی از کارشناسان متخصص، داده ها جمع آوری شد و سپس به منظور انتخاب بهترین سیستم تصفیه فاضلاب از روش ارزیابی براساس فاصله از میانگین داده (G-EDAS) و روش ارزیابی تناسب جامع (G-COPRAS) استفاده شده است. باتوجه به سه معیار فنی، اقتصادی و زیست محیطی – اجتماعی و زیرمعیارهای آن، نتایج نشان می دهد که در هر دو روش سیستم لجن فعال متعارف طبق نظر کارشناسان به عنوان بهترین سیستم تصفیه فاضلاب انتخاب شد. همچنین برای تعیین مهمترین زیرمعیار از تکنیک سلسله مراتبی خاکستری (G-AHP) استفاده شد که براساس آن مقاومت در برابر شوک های هیدرولیکی دارای بیشترین اهمیت بوده است.
Keywords:
Authors
تهمینه ژیان
گروه مهندسی عمران، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران
سید آرمان هاشمی منفرد
گروه مهندسی عمران، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران
محسن راشکی
گروه مهندسی معماری، دانشکده هنر و معماری، دانشگاه سیستان و بلوچستان، زاهدان، ایران
غلامرضا عزیزیان
گروه مهندسی عمران، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :