مدلسازی شبکه عصبی مصنوعی برای بررسی تاثیر پارامترهای ورودی بر دقت پیش بینی COD پساب تصفیه خانه های فاضلاب شهری
Publish place: Second National Conference on Water Crisis
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,550
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCWC02_165
تاریخ نمایه سازی: 7 آبان 1393
Abstract:
در این کار تحقیقاتی مدلسازی شبکه عصبی مصنوعی به منظور پیش بینی کیفیت پساب تصفیه خانه فاضلاب شهری مورد ارزیابی قرار گرفت. به دلیل وجود حجم زیادی از داده های جمع آوری شده از کمیت و کیفیت فاضلاب ها و لزوم استفاده مجدد از آبهای نامتعارف به دلیل کمبود منابع آب، استفاده از روش های داده محور توسعه چشمگیری یافته است. در بین روشهای داده محور، شبکه های عصبی برای مسائل کیفی آب که دارای رفتار پیچیده و غیرخطی اند دارای اهمیت و کاربردند. مدل های لجن فعال کنونی در خصوص مشخصات مدل های قطعی هستند و بر پایه ویژگی های بیوسینتیکی اساسی ساخته شده اند. با این حال، اندازه گیری و کالیبراسیون این مدل ها بسیار وقت گیر و پر زحمت است. مدل کامپیوتری که به سادگی کالیبره شود و کاربر پسند باشد، با استفاده از تکنیک های هوش مصنوعی، که همان شبکه های عصبی مصنوعی (ANN) است در این مطالعه مورد استفاده قرار گرفت. با استفاده از مدل شبکه عصبی و مطالعاتی بر روی شبیه سازی تصفیه خانه فاضلاب فرضی ساخته شده با فرآیند تک لجنه فعال با برنامه (SSSP) و استفاده از تجربیات آن سیستم مدلسازی شد. برای تصفیه خانه فرضی نتایج شبیه سازی به دست آمده توسط مدل شبکه عصبی توسعه یافته تجزیه و تحلیل گردید. در مدل سازی تصفیه خانه فاضلاب فرضی، بالاترین ضریب همبستگی به دست آمده 0/980 بود. با استفاده از داده های واقعی از تصفیه خانه فاضلاب تبریز بهترین و مناسب ترین مدل شبکه عصبی به دست آمده مقدار R برابر با 0/898 است.که با توجه به درصد خطای موجود در داده های ورودی دقت نسبی بالایی را نشان می دهد.
Keywords:
Authors
سعید پاکرو
دانشجوی کارشناسی ارشد ، گروه مهندسی عمران محیط زیست ، پردیس ارس دانشگاه تهران
ناصر مهردادی
استاد و عضو هیئت علمی ،گروه مهندسی عمران محیط زیست ، دانشگاه تهران
اکبر باغوند
دانشیار و عضو هیئت علمی ،گروه مهندسی عمران محیط زیست ، دانشگاه تهران
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 :