به کارگیری یک روش جدید ترکیبی مبتنی بر شبکه عصبی و الگوریتم بهینه سازی جهش قورباغه ترکیبی برای مدلسازی و بهینهسازی تولید بیوگاز از یک هاضم فاضلاب

برای حل مسائلی که بوسیله روش های مرسوم و معمول حل نمی شوند، می توان از ابزارهای پیشرفته ای نظیر شبکه های عصبی مصنوعی و الگوریتم های هوشمند استفاده کرد. این مقاله با استفاده از شبکه عصبی و الگوریتم بهینه سازی جهش قورباغه، فرایند تولید بیوگاز در هاضم یک نیروگاه بیوگاز را شبیه سازی و سپس بهینه سازی می کند. در این مقاله برای شبیه سازی هاضم با شبکه عصبی، اثرات پارامترهای عملیاتی هاضم نظیر درجه حرارت (T) کل مواد جامد(TS) کل مواد جامد فرار(TVS) و PH بیوگاز به عنوان ورودی در نظر گرفته می شود. سپس با آموزش یک شبکه عصبی چند لایه با دولایه مخفی، عملکرد هاضم شبیه سازی و میزان تولید متان پیش بینی می شود. با اعتبار سنجی عملکرد مدل شبکه عصبی، توانایی این مدل برای پیش بینی میزان تولید متان تأیید می شود. الگوریتم جهش قورباغه همراه با مدل شبکه عصبی مقدار متان خروجی را بهینه می کند. نتیجه بهینه سازی مقدار بهینه متان تولیدی را1/79 درصد محاسبه می کند که این عدد رشد قابل توجهی را در مقایسه با ماکزیمم مقدار بدست آمده از نمونه واقعی که 1/70 درصد بوده است نشان می دهد. برای ارزیابی توانایی الگوریتم پیشنهادی مورد استفاده در این مقاله، نتایج شبیه سازی با نتایج روش ترکیبی شبکه عصبی و الگوریتم ژنتیک و روش ترکیبی شبکه عصبی و الگوریتم انفجار بزرگ-فروپاشی بزرگ(BB-BC ) مقایسه شده که روش پیشنهادی عملکرد بسیار مطلوبی را نشان می دهد.

Keywords:

الگوریتم بهینه سازی جهش قورباغه ترکیبی , بیو گاز , شبکه عصبی , هاضم