استفاده از تکنیک های یادگیری ماشین برای پیش بینی میزان غلظت خروجی فلزات سنگین در تصفیه پساب های صنعتی
Publish place: 18th National congress of chemical engineering of Iran
Publish Year: 1403
Type: Conference paper
Language: Persian
View: 106
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دانلود نمایند.
- Certificate
- I'm the author of the paper
Export:
Document National Code:
NICEC18_131
Index date: 1 February 2025
استفاده از تکنیک های یادگیری ماشین برای پیش بینی میزان غلظت خروجی فلزات سنگین در تصفیه پساب های صنعتی abstract
مدیریت پساب های صنعتی به عنوان یک موضوع حیاتی در علوم زیست محیطی به و یژه با افزایش آلاینده های صنعتی اهمیت یافتهاست. این مقاله به بررسی روش جذب به عنوان تکنیکی موثر در تصفیه فاضلاب و حذف فلزات سنگین می پردازد. برای بهینه سازیفرآیند حذف آلاینده ها، از مدلهای هوش مصنوعی و یادگیری ماشین استفاده شده است. این مدلها با تجزیه و تحلیل پارامترهاییمانند نوع آلاینده، نوع جاذب، دما، غلظت اولیه، دوز جاذب، زمان و pH می توانند میزان حذف فلزات سنگینی مانند آهن، سرب و کادمیوم، مس، نیکل و کروم را پیش بینی کنند. نتایج نشان میدهد که مدل رگرسیون جنگل تصادفی با ضریب همبستگیبرابر با ۰/۹۹۵۲ بهترین مدل برای پیش بینی غلظت خروجی آلاینده ها است. این تحقیق بر اهمیت استفاده از تکنیک های پیشرفته یادگیری ماشین در مدیریت پساب های صنعتی و بهبود فرآیند حذف فلزات سنگین تاکی د دارد و میتواند به توسعهروشهای بهینه تر در این حوزه کمک کند.
استفاده از تکنیک های یادگیری ماشین برای پیش بینی میزان غلظت خروجی فلزات سنگین در تصفیه پساب های صنعتی authors
مجتبی عزیزی
دانشکده شیمی و مهندسی شیمی دانشگاه صنعتی مالک اشتر تهران - ایران
امید عابدی
دانشکده مهنسی شیمی، دانشگاه صنعتی امیرکبیر
