استفاده از شبکه های عصبی مصنوعی برای مدل سازی بازماند کلر درسیستم های توزیع آب شهری

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,357

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCWWT01_075

تاریخ نمایه سازی: 8 بهمن 1391

چکیده مقاله:

آب آشامیدنی شامل میکرو ارگانیزم هایی است که میتوانند به طور بالقوه خطر مهمی برای بهداشت همگانی باشد. ضدعفونی سازی برای نابودسازی میکروارگانیزم هایی که برای سلامت انسان خطرناک هستند بکار می رود. به منظور جلوگیری از رشد مجدد باکتریها، مطلوب است که مواد ضدعفونی کننده در سیستم توزیع آب باقی بماند. رایج ترین ماده ضدعفونی کننده کلر می باشد. اگر نرخ دوز کلر خیلی پایین باشد، ممکن است میزان باقیمانده کلر در انتهای سیستم توزیع نامناسب باشد که منجر به رشد باکتریها میگردد. از طرف دیگر اضافه کردن بیش از اندازه کلر به آب، ممکن است موجب نارضایتی مشتریان در مورد مزه و بوی آب و همچنین خوردگی شبکه لوله و تشکیل محصولات فرعی سرطان زا گردد. بنابراین به منظور تعیین میزان بهینه مقدار کلر لازم است بتوانیم زوال کلر را در شبکه پیش بینی نمائیم.در این مقاله، با دو تکنیک داده ها را مورد بررسی قرار می دهیم یعنی با مدل های رگرسیون خطی و با شبکه های عصبی مصنوعی پرسپترون چند لایه جهت پیش بینی غلظت کلر در دو محل کلیدی سیستم توزیع آب شهرک نفت ، که در کنار شهر اهواز واقع گردیده است، مورد استفاده قرارگرفته اند. نتایج حاصله نشان می دهد که هر دو تکنیک در پیش بینی غلظت کلر در سیستم توزیع موفق هستند. تنها از داده های که به صورت منظم جمع آوری شده بودند، برای توسعه مدل استفاده شد و هیچ مدل هیدرولیکی از سیستم وجود نداشت. روی هم رفته عملکرد پرسپترون چند لایه کمی بهتر از مدل رگرسیون است که در واقع این موضوع، وجود برخی غیر خطی بودن ها در فرآیند فیزیکی اساسی حاکم بر زوال کلر را پیشنهاد می کند

نویسندگان

مهرداد یزدان پور

کارشناسی ارشد عمرا ن آب دانشگاه آزاد اسلامی واحد شوشتر

هوشنگ حسونی زاده

استادیار دانشگاه آزادشوشتر

محمد محمودیان شوشتری

استاددانشگاه شهیدچمران اهواز

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 :
  • . Bowden, G. J., Maier, H. R. and Dandy, G. ...
  • resources applications, Water Resources Research, 38(2), 2.1- 2.11, 2002. ...
  • . Dawson, C. W. and Wilby, R. L., Hydrological modelling ...
  • . Hua, F., West, J. R., Barker, R. A. and ...
  • . Lawrence, J., Introduction to Neural Networks. Design, Theory, and ...
  • . Maier, H. R. and Dandy, G. C., Neural networks ...
  • . Rodriguez, M. J., West, J. R., Powell, J. andSerodes, ...
  • . Serodes, J. B., Rodriguez, M. J. and Ponton, A. ...
  • . Sharma, A., Seasonal to interannual rai nfallp robabilistic forecasts ...
  • نمایش کامل مراجع