مقایسه روشهای یادگیری ماشین ترکیبی در پیش بینی عملکرد آب شیرین کن تقطیر غشایی

دستگاه های آب شیرین کن تقطیر غشایی یکی از انواع آب شیرین کن ها هستند که بر مبنای جدایش غشایی، آب شور دریا را به آب قابل استفاده تبدیل می کنند. پیش بینی دقیق عملکرد این سیستم ها، نقش قابل توجهی در توسعه آن ها در صنعت دارد. در این پژوهش، شار جریان نفوذی در این سیستم ها بر اساس چهار متغیر دبی جریان تغذیه، غلظت نمک، دمای ورودی کندانسور و اواپراتور پیش بینی می گردد و به این منظور روش های شبکه عصبی مصنوعی، کت بوست، روش ترکیبی شبکه عصبی مصنوعی و الگوریتم بهینه سازی گرگ خاکستری و روش ترکیبی کت بوست و بهینه ساز گرگ خاکستری موردمطالعه و بررسی قرار می گیرد. برای بررسی عملکرد روش های مذکور از معیارهای آماری میانگین مربعات خطا، ضریب تعیین، میانگین خطای مطلق, میانگین در صد خطای مطلق و شاخص ویلموت استفاده شده است. دقت روش های بررسی شده بر اساس ضریب تعیین به ترتیب برابر به کت بوست (R(۲)=۹۸.۸۷%)، ترکیب کت بوست و گرگ خاکستری (R(۲)=۹۸.۶۵%)، ترکیب شبکه عصبی و بهینه سازی گرگ خاکستری (R(۲)=۸۶.۰۳%) و شبکه عصبی مصنوعی(R(۲)=۸۱.۴۳%) می باشد.

کلیدواژه ها:

تقطیر غشایی ، شبکه عصبی مصنوعی ، الگوریتم بهینه سازی گرگ خاکستری ، کت بوست