کاربرد شبکه عصبی مصنوعی در ارزیابی کارایی فرایند تصفیه خانه های فاضلاب صنعتی مورد مطالعه: تصفیه خانه شرکت فولاد خوزستان

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 758

This Paper With 19 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ATTITTDE02_157

تاریخ نمایه سازی: 11 مرداد 1396

Abstract:

در تحقیق حاضر به منظور مدل سازی عملکرد تصفیه خانه فاضلاب صنعتی شرکت فولاد خوزستان از شبکه عصبی مصنوعی استفاده شده است. بدین منظور با مبنا قرار دادن اندازه گیری های مشخصه های کیفی در ورودی تصفیه خانه ، مقدار متناظر مشخصه های فوق در خروجی تصفیه خانه پیش بینی شد. داده های ورودی شبکه عصبی شامل COD ، pH ،TSSو Oil فاضلاب بود. اجرای ساختارهای مختلف شبکه عصبی مصنوعی با تعداد نرون های مختلف در لایه میانی نشان داد آرایش -6 6-12 به عنوان آرایش مطلوب قابل پیشنهاد است. با محاسبه درصد بازده حذف آلاینده ها در خروجی تصفیه خانه مشخص ش د حداکثر بهره وری حذف در تصفیه خانه مربوط به آلاینده TSS معادل 82 درصد و کمترین آن به میزان 35 درصد مربوط بهCOD بود. به همین ترتیب بازده حذف آلاینده های فوق از طریق مقادیر برآوردی با شبکه عصبی نیز برابر مقادیر و 89 32 درصد است که به واسطه نزدیکی با مقادیر مشاهداتی مبین کارایی خوب شبکه عصبی است در مجموع با توجه به مقایسه نتایج حاصل از پیش بینی در این مطالعه با سایر مطالعات و با توجه به شاخص های آماری میتوان از کارایی شبکه عصبی جهت تخمین عملکرد تصفیه خانه های فاضلاب صنعتی اطمینان حاصل کرد.

Keywords:

پساب , شبکه عصبی مصنوعی , حذف آلاینده , تصفیه خانه شرکت فولاد خوزستان

Authors

کاوه رهبری

دکتری علوم محیط زیست، شرکت فولاد خوزستان، اهواز، ایران

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 :
  • .12- ندیری، ع.، اصغری مقدم، الف.، عبقری، ه، فیجانی، الف.، ...
  • بررسی استفاده از روش اکسیداسیون مرطوب با هوا برای تصفیه شیرابه زباله [مقاله کنفرانسی]
  • بیات ورکشی، م. و همکاران. 1389. شبیه سازی تبخیر تعرق ...
  • قاسمی، ع. و همکاران. 1386. مقایسه تبخیر و تعرق (ET0) ...
  • زارع ابیانه، ح. و همکاران. 1389. ارزیابی سیستمهای هوشمند عصبی ...
  • باقری اردبیلیان. پ. و همکاران. 1389. ارزیابی کارایی تصفیه خانه ...
  • سازمان حفاظت محیط زیست، " ضوابط و استانداردهای زیست محیطی" ...
  • بررسی عملکرد لاگونهای هوادهی در تصفیه فاضلاب شهرک صنعتی بوعلی همدان [مقاله کنفرانسی]
  • اردبیلیان پری، صادقی هادی، نبئی امیر و اردبیلیان مریم، "ارزیابی ...
  • Bestamin, O., D., Ahmet .2010."Neural network prediction model for the ...
  • Maier, H.R., Dandy, G.C., 2009. "Neural network for the prediction ...
  • Chan, C.W., G.H..Huang .2011." Artificial intelligence for management and control ...
  • Neelakantan, T.R., Brion, T.R., Lingireddy, S. (2001), ،Neural Netvwork Modeling ...
  • Hamed, M., Khalafallah, M.G., and Hassanein, E.A. (2004), ،Prediction of ...
  • Mjalli, F. S., Al-Asheh, S., and Alfadala, H.E. (2007), 'Use ...
  • Guclu, D. and Dursun, S. (2010), ، Artificial Neural Network ...
  • Pai, T.Y., et al .2007. Grey and neural network prediction ...
  • Rankovi, V., et al.2010. Neural network modeling of dissolved OXygen ...
  • Dogan, E., et al.2008. Application of Artificial Neural Networks to ...
  • Shi, X., and Qiao, J., (2011), "Neural Netvwork Predictive Optimal ...
  • Pathak, V. , O., Dikshit .2005. Neuro -Textural Clas sification ...
  • Singh, P., et al.2009. Artificial neural network modeling of the ...
  • Guclu, D., S., Dursun .2010. Artificial neural network modelling of ...
  • _ Venkata Mohan, S. Veer Raghavulu, G. Mohan akrishna, _ ...
  • نمایش کامل مراجع