مطالعه ای بر کاربرد هوش مصنوعی AI در فرآیند جداسازی غشایی و پیش بینی رسوببرای بازیابی بهتر منابع

منظور از آلودگی آب، آلودگی پهنه های آبی معمولا توسط فرایندهای انسانی است. پهنه های آبی برای مثال شاملدریاچه ها، رودخانه ها، اقیانوس ها، سفره های آب و آب های زیرزمینی است. هنگامی که آلودگی ها به طور مستقیم یاغیرمستقیم بدون تصفیه از مواد ترکیبی مضر در آبها تخلیه میشوند، آلودگی آبها بیشتر می شوند. به طور کلیآلودگی آب به دلیل ظهور آلاینده های جدید از حلال ها، محصولات مراقبت شخصی و ترکیبات دارویی یک مسئلهجهانی است. به نظر می رسد فرآیندهای غشایی در تصفیه آب موثر و امیدوارکننده باشند. در حالی که فرآیندهایغشایی می توانند به میزان قابل توجهی سطح آلاینده ها را کاهش دهند، مشکلاتی مانند رسوب گیری همچنان بهوجود می آیند. استفاده از هوش مصنوعی AI برای پیش بینی رسوب و افزایش ویژگیهای غشاها در حال حاضرمورد توجه قرار گرفته است. مدل های مختلف هوش مصنوعی AI را میتوان برای بهینه سازی پارامترهای ورودیبر اساس خروجی استفاده کرد که به پیش بینی عملکرد غشاء و ارزیابی توانایی آن در دفع موثر آلاینده ها کمکمی کند. احتمالات برای بهبود در فناوری های غشایی و فرآیندهای فیلتراسیون با استفاده از تکنیک های هوشمصنوعی در این مقاله مورد بحث قرار می گیرد. رسوب غشایی به دلیل تجمع ناخالصی ها روی غشاء، مشکلات قابلتوجهی در حین کار ایجاد می کند که باعث کاهش توانایی غشاء برای عملکرد صحیح می شود. الگوریتم های هوشمصنوعی را میتوان برای پیش بینی خواص رشد شار نفوذ و رسوب استفاده کرد. این مقاله نتیجه می گیرد که استفادهاز هوش مصنوعی برای پیش بینی رسوب غشایی میتواند انتخاب غشاء را برای فرآیندها افزایش دهد، هزینه ها را باتوسعه سیستم کنترل رسوب گیری بهتر کاهش دهد و فرآیند را در مقیاس صنعتی مقیاس پذیرتر کند. ادبیات نشانداد که مدلهایی مانند سیستم تداخل فازی عصبی وجود دارد که می تواند عملکرد غشاهای اسمز رو به جلو را باهمبستگی بالای ۰.۹۹۷ و ریشه میانگین مربعات خطای ۰.۰۴ پیش بینی کند. این مقاله همچنین نتیجه گیریمی کند که کاوش در معماری های جدیدتر یادگیری عمیق مانند GAN ها، بازیابی منابع بهتر از فاضلاب و پیش بینیبهبود رسوب در فرآیندهای غشایی را تسهیل می کند.

Keywords:

هوش مصنوعی , آلاینده های نوظهور , رسوب گیری , فرآیندهای غشایی , بهینه سازی