محمدجواد ذوقی - کارشناس ارشد عمران - محیط زیست ، عضو هیات علمی پژوهشکده محیط زیست جهاد دانشگاهی ، رشت
محسن سعیدی - دانشیار گروه آب و محیط زیست ، دانشکده عمران ، دانشگاه علم و صنعت ایران ، تهران

در این مطالعه به منظور مدل سازی شدت جریان فاضلاب در مراکز دفن زباله از شبکه عصبی مصنوعی استفاده شد . پس از آموزش ، شبکه عصبی قادر است براساس داده های هواشناسی و مشخصات فاضلاب مرکز دفن ، شدت جریان فاضلاب را پیش بینی کند. داده های ورودی شبکه عصبی شامل پارامترهایی نظیر pH ، دما ، هدایت الکتریکی فاضلاب مرکز دفن و داده های هواشناسی بود . برای ارزیابی و تشریح مدل ، مرکز دفن زباله بیرون به صورت موردی بررسی شد . از مطالعه انجام شده بر روی مرکز دفن زباله بیروت ، داده های مورد نیاز برای آموزش و آزمایش شبکهعصبی به دست آمد . این مرکز دفن از سال 1997 بهره برداری شده و از سال 1998 میزان فاضلاب تولیدی در آن پایش شده است . الگوریتم بهینه از بین سیزده نوع الگوریتم پس از انتشار انتخاب شد و برای آموزش شبکه عصبی مورد استفاده قرار گرفت . سپس ساختمان بهینه شبکه عصبی تعیین گردید . در این مطالعه ، شبکه عصبی با الگوریتم لونبرگ - مارکوارت که دارای ده نرون در لایه پنهان بود ، به عنوان شبکه عصبی بهینه انتخاب شد . با توجه به شاخصهای آماری به دست آمده (ضریب تعیین = 0/976 ، میانگین خطای نسبی = 0/089) و داده های ورودی در نظر گرفته شده ، برآورد شدت جریان فاضلاب در مرکز دفن زباله توسط شبکه عصبی از کارای مناسبی برخوردار است .

شبکه عصبی مصنوعی ، شیرابه ، شدت جریان ، داده های هواشناسی