ورود
مقالات فارسیISIکنفرانسهاژورنالها

طراحی چندهدفی ساختارهای عصبی-فازی (ANFIS) برای پیش بینی میزان مصرف منعقد کننده در تصفیه آب

محل انتشار: ششمین همایش ملی و نمایشگاه تخصصی مهندسی محیط زیست
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,050

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/170105

شناسه ملی سند علمی:

CEE06_471

تاریخ نمایه سازی: 30 آبان 1391

چکیده مقاله:

نظر به اهمیت روزافزون منابع سطحی در تامین آب شرب، نحوه تصفیه این گونه آب ها و همچنین لزوم استفاده از مواد شیمیایی گوناگون در مراحل مختلف تصفیه، بر آن شدیم تا نقش مواد منعقد کننده را که از عمده ترین مواد مصرفی و هزینه بر در فرایند تصفیه آب می باشند را مورد بررسی قرار دهیم. یکی از مهمترین قسمت های فرایند تصفیه آب، مربوط به میزان مصرف مواد منعقدکننده در واحد انعقاد و لخته سازی می باشد. مهمترین روش پایش در فرایند تصفیه آب استفاده از تست جار می باشد که برای تعیین نوع و غلظت منعقدکننده مناسب و شرایط بهینه عملی بکار می رود. این آزمایش وقت گیر و همراه با خطا می باشد و نمی توان زیاد به آن استناد کرد. برای رفع این مشکل می توان از محاسبات نرم استفاده کرد. . در این تحقیق داده های آزمایشگاهی از ابتدای سال 1388 تا انتهای شش ماهه اول سال 1390 پس از جمع آوری و پالایش مورد مطالعه قرار گرفتند. با بهره گیری از سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) و با استفاده از نتایج تجربی به منظور دستیابی به مقدار بهینه مواد منعقد کننده مصرفی در تصفیه خانه رشت یک مدل غیرخطی ارائه می شود.

کلیدواژه ها:

تصفیه آب ، انعقاد و لخته سازی ، جارتست ، منعقدکننده ، ANFIS

نویسندگان

محمد اکبری زاده

دانشجوی کارشناسی ارشد، دانشگاه گیلان

الهیار داغبندان
علی جمالی
محمود فیروزی

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 :
  • Bratby, J., Coagulation and flocculation in ater and wastewate treatment, ...
  • Hu, C., et al., "Coagulation behavior of aluminum salts in ...
  • Lou, I., et al., "Coagulation optimization for low temperature and ...
  • Huang, C. and Shiu, H., "Interactions between alum and organics ...
  • Amirtharajah, A. and O'Melia, C., "Coagulation processes: destabilization, mixing, and ...
  • Dentel, S.K., "Coagulant control in water treatment", Critical Reviews in ...
  • Mhaisalkar, V., Paramasivam, R., and Bhole, A., "Optimizing physical parameters ...
  • Edzwald, J., "Coagulation in drinking water treatment: particles, organics and ...
  • Hanson, A.T. and Cleasby, J.L., "The effects of temperature _ ...
  • Kang, L.S. and Cleasby, J.L., "Temperature effects on flocculation kinetics ...
  • Beard, J., "Coagulation and Flocculation", Water Treatment Plant Operation, Vol. ...
  • Gregor, J., Nokes, C., and Fenton, E., "Optimising natural organic ...
  • Juntunen, P., et al., "Modelling of Water Quality: An Application ...
  • Heddam, S., Bermad, A., and Dechemi, N., "ANFIS-based modelling for ...
  • Baxter, C., Stanley, S, and Zhang, Q., "Development of a ...
  • Yu, R.F., et al., "Application of artificial neural network to ...
  • Qu, J , et al., "Development and application of innovative ...
  • Shariff, R., et al., Real-Time Artificial Intelligence Control and Optimization ...
  • Bazer-Bachi, A., et al., "Mathematict modelling of optimal coagulant dose ...
  • Gagnon, C., Grandjean, B., and Thibault, J., "Modelling of coagulant ...
  • Leeuwen, V., "Empirical mathematical models and artificial neural networks for ...
  • Maier, H.R., Morgan, N., and Chow, C.W.K., "Use of artificial ...
  • Wu, G.-D. and Lo, S.-L, "Predicting real-time coagulant dosage in ...
  • Zadeh, L.A., "Fuzzy sets", Information and control, Vol. 8, No. ...
  • Mamdani, E.H., "Advances in the linguistic synthesis of fuzzy controllers", ...
  • Takagi, T. and Sugeno, M., "Fuzzy identification of system and ...
  • Sugeno, M. and Kang, G., "Structure identification of fuzzy model", ...
  • Jang, J.S.R., "ANFIS: Adaptive- network-based fuzzy inference system", Systems, Man ...
  • Jamali, A., et al. Robust Pareto design of ANFIS networks ...
    • نمایش کامل مراجع