کاربرد شبکه های عصبی هوشمند MLP، RBF و CFNN در ارزیابی عملکرد تصفیه خانه فاضلاب (مطالعه موردی: تصفیه خانه صاحبقرانیه)
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 118
فایل این مقاله در 12 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:
IWWA03_127
تاریخ نمایه سازی: 19 اردیبهشت 1401
چکیده مقاله:
به منظور ارائه ابزاری برای پیشبینی عملکرد تصفیه فاضلاب و ایجاد مبنایی برای کنترل عملکرد فرایند، یک مدل قابل اعتماد برای هر تصفیه خانه فاضلاب ضروری است که منجر به کاهش هزینه های عملیات و ارزیابی پایداری تعادل زیستی میشود. هدف از پژوهش انجام شده ارزیابی عملکرد انواع شبکه های عصبی در تخمین پارامترهای کیفی پساب فاضلاب خروجی با توجه به اطلاعات اندازه گیری شده میباشد. در این راستا با انتخاب پارامترهایی مانند COD ، BOD، T ، pH، TS، TDS، TSS و VSS به استناد مقادیر ثبت شده در تصفیه خانه صاحبقرانیه تهران، فرآیند یادگیری با استفاده از سه نوع شبکه عصبی چندلایه (MLP )، شبکه عصبی آبشاری پیشرو (CFNN) و شبکه عصبی شعاعی پایه ای (RBF) با ساختارهای مختلف صورت گرفته است. پس از بررسی و مقایسه خروجی های اندازه گیری شده در تصفیه خانه با نتایج به دست آمده حاصل از آموزش شبکه های عصبی مشخص شد که شبکه CFNN با ساختار (۵-۱۰) مناسب ترین معماری و توانمندترین الگو برای پیشبینی کلیه پارامترها در فرآیند تصفیه میباشد.
کلیدواژه ها:
تصفیه فاضلاب ، شبکه عصبی مصنوعی ، شبکه عصبی چندلایه ، شبکه عصبی آبشاری پیشرو ، شبکه عصبی شعاعی پایه ای
نویسندگان
الهام رجبی
استادیار، دانشکده مهندسی عمران، دانشگاه پیام نور
علی مکتبی
دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه پیام نور