ارزیابی مدل های آماری و هوش مصنوعی در مدل سازی فرایند تصفیه ی پساب
محل انتشار: همایش ملی علوم مهندسی آب و فاضلاب
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,500
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCWWE01_146
تاریخ نمایه سازی: 6 شهریور 1392
چکیده مقاله:
واحدهای تصفیه پساب شامل فرایندهای پیچیده فیزیکی، شیمیایی و بیولوژیکی هستند. توصیف این فرایندها با مدلهای ریاضی به دلیل رفتار غیر خطی که دارند مشکل است. به همین دلیل در دهه اخیر، مطالعات زیادی در مورد مدلسازی فرایند تصفیه فاضلاب با استفاده از روشهای هوشمند انجام شده است. داده های تجربی مورد استفاده در این پژوهش مربوط به اندازهگیری های روزانه تصفیه خانه فاضلاب شهر منرسای اسپانیا است که طی سالهای 1990-1991 ثبت شده است. در تحقیق حاضر فرایند تصفیه فاضلاب در یک سیستم لجن فعالاین شهر با استفاده از فرایند داده کاوی مدلسازی شد و نتایج حاصله با یکدیگر مقایسه گردید. مسئله هدف پیدا کردن مدلالگوریتم مناسبی برای پیشبینی کیفیت پساب خروجی با توجه به کیفیت پساب ورودی مربوط به آن روز بوداست. و این موضوع به صورت مسئله ای با دو کلاس تعریف شد. کلاس اول مربوط به روزهایی است که مقادیر متغیرهای خروجی در آنها در حد استاندارد است و کلاس دوم مربوط به روزهایی است می شود که کیفیت آب خروجی خارج از حد استاندارد است. مدل سازی فرایند با استفاده از 9 الگوریتم مختلف انجام شد. از بین الگوریتمهای مورد بررسی، رگرسیون لجستیکی با 82/5 درصد پیشبینی صحیح به عنوان بهترین مدل برای این تصفیه خانه انتخاب گردید.
کلیدواژه ها:
نویسندگان
علی سلطانی نژاد
دانشجوی کارشناسی ارشد، بخش مهندسی شیمی، دانشگاه شهید باهنر کرمان، ایران
محمدمهدی افصحی
استادیار بخش مهندسی شیمی، دانشگاه شهید باهنر کرمان، ایران
غلامرضا نخعی زاده
استاد دانشکده ی اقتصاد، دانشگاه کالسروهه، آلمان
محمد چالکش امیری
دانشیار دانشکده ی مهندسی شیمی، دانشگاه صنعتی اصفهان، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :