ارزیابی کارایی تصفیه خانه فاضلاب تبریز با استفاده از سیستم های مختلف فازی

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 984

This Paper With 19 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCER01_141

تاریخ نمایه سازی: 25 اسفند 1392

Abstract:

با توجه به محدود بودن منابع آب در جهان، استفاده از آب های تصفیه شده به خصوص در مناطق خشک و نیمه خشکی مانند ایران ضروری به نظر می رسد. از این رو تصفیه صحیح، مدیریت و کنترل فرآیند تصفیه نیازمند بررسی دقیق پارامترهای موثر در این فرآیند است. لذا به دلیل دارابودن ویژگی عدم قطعیت بین پارامترهای کیفی فرآیند تصفیه، در این مطالعه از مدل های فازی (FL) برای مدل سازی رفتار تصفیه خانه فاضلاب تبریز استفاده شده است. بدین منظور با مبنا قرار دادن مشخصه های کیفی اندازه گیری شده در ورودی تصفیه خانه، مقدار متناظر مشخصه های فوق در خرنجی تصفیه خانه پیش بینی شد. برای این منظور از دو مدل فازی ممدانی و ساجنو استفاده شد. داده های ورودی مدل های فازی استفاده شده شامل پارامترهای دما (t)، اکسیژن مورد نیاز بیوشیمیایی (BOD)، اکسیژن مورد نیاز شیمیایی (COD)، کل جامدات معلق pH (TSS) فاضلاب و داده های خروجی شامل مشخصه BOD، COD و TSS می باشد. نتایج مدل های فازی به کار برده شده برای پارامترهای مذکور، بدست آمده و با مقادیر مشاهداتی مقایسه شدند. بر اساس نتایج بدست آمده، هر دو مدل مذکور نتایج قابل قبولی را ارائه دادند. مدل فازی ممدانی با 17 قانون با ضریب همبستگی 91/0 و مدل فازی ساجنو با شعاع بهینه 7/0 و 5 قانون با ضریب همبستگی 94/0 اجرا شدند. با وجود اینکه هر دو روش فازی نتایج قابل قبولی را ارائه دادند، اما با بررسی میزان ضریب همبستگی و RMSE هر کدام از پارامترها در این دو روش به نظر می رسد مدل فازی ساجنو نسبت به مدل فازی ممدانی برتری دارد. همچنین با محاسبه درصد بازده حذف آلاینده ها در خروجی تصفیه خانه مشخص شد، حداکثر بهره وری حذف در تصفیه خانه مربوط به آلاینده TSS بوده و معادل 93 درصد می باشد. سایر آلاینده ها نیز مقادیری بسیار نزدیک به TSS داشتند. به همین ترتیب بازده حذف این آلاینده ها از طریق مقادیر برآوردی با مدل های فازی نیز به همین منوال است، که به واسطه نزدیکی با مقادیر مشاهداتی مبین کارایی خوب مدل های به کار برده شده می باشد.

Keywords:

فاضلاب , مدل فازی ساجنو و ممدانی , بازده حذف , تصفیه خانه تبریز

Authors

سیما شکری

دانشجوی کارشناسی ارشد زمین شناسی زیست محیطی دانشکده علوم دانشگاه تبریز

اصغر اصغری مقدم

دکتری هیدروژئولوژی، استاد دانشکده علوم دانشگاه تبریز

عطاءاله ندیری

دکتری هیدروژئولوژی، استادیار دانشکده علوم دانشگاه تبریز

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 :
  • بنا، ب.؛ موحدیان، ح؛ پورزمانی، ح .ر، "برسی تاثیر نسبت ...
  • ترابیان، ع.؛ مطلبی، م، " طرح مدیریتی استفاده مجدد از ...
  • توکلی، م.؛ جهانی بهنمیری، ا.؛ محمودی، ش.، "برنامه ریزی و ...
  • خلیلی، ن.؛ خداشناس، س.؛ داوری، ک.؛ موسوی بایگی، م، "پیش ...
  • رجبی، م.؛ بهلولی، ب.؛ موسوی، _ "تخمین سرعت موج استونلی ...
  • رفعت متولی، ف؛ دانش، ش.؛ رجبی مشهدی، ح.، "بررسی امکان ...
  • رنگ زن، ن.؛ پاینده، خ. لندی، ا.، "بررسی کیفیت پساب ...
  • روستایی، س.؛ شکرانه، ف.؛ رحیم پور بناب، ح. کدخدایی ایلخچی، ...
  • زارع ابیانه، ح. بیات ورکشی، م. بیات ورکشی، _ "کاربرد ...
  • پیش بینی غلظت آمونیوم و مواد آلی فاضلاب دفنگاه زباله با استفاده از شبکه عصبی مصنوعی [مقاله ژورنالی]
  • مشاور یکم، مهندسین مشاور.، "مطالعات آب زیرزمینی دشت تبریز"، 1391، ...
  • میران زاده، م .ب.؛ بابامیر، ش.، "بررسی کارآیی تصفیه خانه ...
  • ندیری، ع.؛ اصغری مقدم، الف.؛ عبقری، ه.؛ کلانتری اسکوبی، ع.؛ ...
  • همدان:دانشکده شهید مفتح (9 آبان (1392 ...
  • همدان:دانشکده شهید مفتح (9 آبان (1392 ...
  • Chan, C.W.; Huang, G.H., "Artificial intelligence for management and control ...
  • Chan, C.W.; Chang, N.B.; Shieh, W.K., "Advanced hybrid fizzy- neural ...
  • Choi, D.; Park, H., "A hybrid artificial neural network as ...
  • Erdirencelebi, D.; Yalpir, S., "Adaptive network fuzzy inference system modeling ...
  • Esra, Y.; sukran, Y., "Prediction of primary treatment effluent parameters ...
  • Grande, J. A.; Manuel Andujar, J.; Aroba, J.; Beltran, R.; ...
  • Hamed, M.; Khalafallah, M.G.; Hassanein, E.A., "Prediction of wastewater treatment ...
  • Hong Y. T.; Rosen M.R.; Bhamidimarr R., "Analysis of a ...
  • Murnleitner, E.; Becker, T.M.; Delgado, A., "State detection and control ...
  • Nadiri, A.A.; Fijani, E.; Tsai, F. T. C.; Moghaddam, A.A. ...
  • _ iveira-E squerre, K.P. Mori, M.; Bruns, R.E., "Simulation of ...
  • Pai T.Y.; Wan T.J., Hsu S.T.; Chang T.C.; Tsai Y.P., ...
  • Pai, T.Y.; Tsai, Y.P.: Lo, H.M.; Tsai, C.H.; Lin, C.Y., ...
  • Perendeci, A.: Arslan, S.; Tanyolac, A.; Celebi, S., "Effects of ...
  • Singh, K.P.; Basant, A.; Malik, A.; Jain, G., "Artificial neural ...
  • Wan, j.; Huang, M.; Ma, Y.; Gue, W.; Wang, Y.; ...
  • Wen, C.H.; Vassiliadis, C.A., "Applying hybrid artificial intelligence techniques in ...
  • Zadeh, L. A., "Fuzzy sets as a basic for theory ...
  • نمایش کامل مراجع