تخمین غلظت TSS پساب خروجی تصفیه خانه فاضلاب صنعتی با استفاده از شبکه عصبی مصنوعی
Publish place: 7th National Congress on Civil Engineering
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,811
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NCCE07_1435
Index date: 8 October 2013
تخمین غلظت TSS پساب خروجی تصفیه خانه فاضلاب صنعتی با استفاده از شبکه عصبی مصنوعی abstract
تعیین غلظت جامدات معلق کل ) TSS (، به عنوان یکی از مهمترین پارامترهای کیفی پساب خروجی تصفیه خانه های فاضلاب، نقش مهمی درارزیابی عملکرد آنها ایفا می کند. یکی از روش های نوین مورد استفاده در مدلسازی و تخمین TSS ، شبکه های عصبی مصنوعی می باشد. مقاله حاضر یک رویکرد جدید بر پایه یک مدل شبکه عصبی مصنوعی که به منظور تخمین غلظت جامدات معلق کل ) TSS ( پساب خروجی تصفیهخانه فاضلاب صنعتی طراحی شده است را ارائه می دهد. برای این منظور از شبکه عصبی پرسپترون چندلایه که از پر کاربردترین شبکه های عصبی مصنوعی در مسائل زیست محیطی می باشد، استفاده گردیده است. در مجموع نتایج تعداد 053 آزمایش برای آموزش و سپس صحت سنجی مدل مورد استفاده قرار گرفته است. در نهایت بهترین آرایش شبکه با الگوریتم آموزش لونبرگ مارکوارد بر اساس حداکثر مقدار - R و حداقل RMSE ، MAE و MAPE بدست آمد. یافته های پژوهش نشان داد که مدل شبکه عصبی ارائه شده، از توانایی قابل قبولی در تخمین غلظت TSS تصفیه خانه های فاضلاب صنعتی برخوردار است
تخمین غلظت TSS پساب خروجی تصفیه خانه فاضلاب صنعتی با استفاده از شبکه عصبی مصنوعی Keywords:
تخمین غلظت TSS پساب خروجی تصفیه خانه فاضلاب صنعتی با استفاده از شبکه عصبی مصنوعی authors
علیرضا مهدی پورطرقبه
دانشجوی کارشناسی ارشد مهندسی عمران محیط زیست، دانشکده مهندسی دانشگاه فردوسی مشهد
محمد شکوهیان
استادیار و عضو هیئت علمی دانشکده مهندسی دانشگاه فردوسی مشهد
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 :