کاربرد بهینه سازی غیر خطی در مدلسازی میزان گاز تولیدی در مراکزدفن زباله

در این مطالعه از شبکه عصبیGMDHبر اساس الگوریتم ژنتیک جهت پیش بینی درصد متان موجود در گازدفنگاه زباله در مقیاس آزمایشگاهی، استفاده شده است. جهت تخمین درصد متان موجود در گاز مرکز دفن بوسیله شبکه عصبیGMDH از مشخصات فاضلاب به عنوان داده های ورودی و و از درصد متان موجود در بیوگاز به عنوان داده خروجی استفاده شده است. پارامترهای ورودی جهت پیش بینی میزان متان موجود در بیوگاز شامل دما، رطوبت و COD ،pH آمونیوم می باشد. نتایج مطالعه نشان می دهد، شبکه عصبیGMDH در پیش بینی درصد متان موجود در بیوگاز دارایعملکرد بالائی می باشد بطوریکه ضریب همبستگی در داده های آموزش و تست بترتیب برابر 0.98 و 0.99 می باشد. با توجه به کارائی بالای شبکه عصبیGMDH در پیش بینی درصد متان موجود در بیوگاز، می توان از این مدل جهت طراحی بهینه سیستم های جمع آوری و تصیه گاز مراکز دفن زباله، و همچنین برای حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفادهکرد