بهینه سازی و پیش بینی فرآیند بیوفیلمی با بستر متحرک (MBBR) با استفاده از روش پاسخ سطح (RSM) و شبکه عصبی مصنوعی (ANN)
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 59
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEHE-7-3_005
تاریخ نمایه سازی: 8 آذر 1402
چکیده مقاله:
زمینه و هدف: در این تحقیق بهینه سازی و پیش بینی راندمان راکتور بیوفیلمی با بستر متحرک (MBBR) در تصفیه فاضلاب مصنوعی حاوی آنیلین با استفاده از روش سطح پاسخ (RSM) و شبکه عصبی مصنوعی (ANN) بررسی شده است.
مواد و روش ها: نتایج مدلسازی از راکتور به حجم تقریبی ۵ لیتر که با درصد پرشدگی ۳۰، ۵۰ و ۷۰ درصد با سنگدانه های سبک لیکا به عنوان محیط رشد میکروارگانسیم ها و تشکیل لایه بیوفیلم پر شده بود، استفاده گردید. برای تعیین شرایط بهینه در آزمایش های انجام شده و همچنین پیش بینی آزمایش های انجام نشده، سه عامل میزان خوراک در سطوح بین ۱۰۰ تا ۳۰۰۰ میلیگرم بر لیتر، زمان ماند ۸ تا ۷۲ ساعت و درصد پرشدگی ۳۰ و ۵۰ و ۷۰ درصد با استفاده از RSM صورت گرفت. دقت و صحت مدلهای ارائه شده به کمک تحلیل واریانس ANOVA بررسی شد. پیش بینی راندمان حذف سیستم با استفاده از ANN پایه شعاعی نیز بررسی گردید.
یافته ها: بهینه سازی فرایند نشان داد که شرایط بهینه برای بیشترین حذف در میزان خوراک mg/l ۱۷۰۰ و زمان ماند ۷۲ ساعت در درصد پرشدگی ۸۲/۵۶ درصد میباشد. نتایج پیش بینی فرایند با استفاده از ANN پایه شعاعی نیز نشان داد که در بهترین ساختار شبکه با توابع انتقال Radbas و خطی (Purelin) با ۹۸۲/۰=R۲ قادر به پیش بینی راندمان حذف میباشد.
نتیجه گیری: با مقایسه مدل ANN پایه شعاعی و RSM و مقایسه میزان خطای این دو روش میتوان گفت که روش ANN پایه شعاعی با دقت بیشتر و خطای کمتر روند داده ها را پیش بینی کرده است.
کلیدواژه ها:
Moving Bed Biofilm Reactor ، Aniline ، Surface Response Method ، Artificial Neural Network ، راکتور بیوفیلمی با بستر متحرک ، آنیلین ، روش پاسخ سطح ، شبکه عصبی مصنوعی
نویسندگان
محمد دلنواز
Department of Civil Engineering, Faculty of Engineering, Kharazmi University, Tehran, Iran
مهسا پیداد
Department of Civil Engineering, Faculty of Engineering, Kharazmi University, Tehran, Iran
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 :