تخمین غلظت TSS پساب خروجی تصفیه خانه فاضلاب صنعتی با استفاده از شبکه عصبی مصنوعی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,692

فایل این مقاله در 7 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:

NCCE07_1435

تاریخ نمایه سازی: 16 مهر 1392

چکیده مقاله:

تعیین غلظت جامدات معلق کل ) TSS (، به عنوان یکی از مهمترین پارامترهای کیفی پساب خروجی تصفیه خانه های فاضلاب، نقش مهمی درارزیابی عملکرد آنها ایفا می کند. یکی از روش های نوین مورد استفاده در مدلسازی و تخمین TSS ، شبکه های عصبی مصنوعی می باشد. مقاله حاضر یک رویکرد جدید بر پایه یک مدل شبکه عصبی مصنوعی که به منظور تخمین غلظت جامدات معلق کل ) TSS ( پساب خروجی تصفیهخانه فاضلاب صنعتی طراحی شده است را ارائه می دهد. برای این منظور از شبکه عصبی پرسپترون چندلایه که از پر کاربردترین شبکه های عصبی مصنوعی در مسائل زیست محیطی می باشد، استفاده گردیده است. در مجموع نتایج تعداد 053 آزمایش برای آموزش و سپس صحت سنجی مدل مورد استفاده قرار گرفته است. در نهایت بهترین آرایش شبکه با الگوریتم آموزش لونبرگ مارکوارد بر اساس حداکثر مقدار - R و حداقل RMSE ، MAE و MAPE بدست آمد. یافته های پژوهش نشان داد که مدل شبکه عصبی ارائه شده، از توانایی قابل قبولی در تخمین غلظت TSS تصفیه خانه های فاضلاب صنعتی برخوردار است

نویسندگان

علیرضا مهدی پورطرقبه

دانشجوی کارشناسی ارشد مهندسی عمران محیط زیست، دانشکده مهندسی دانشگاه فردوسی مشهد

محمد شکوهیان

استادیار و عضو هیئت علمی دانشکده مهندسی دانشگاه فردوسی مشهد

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 :
  • Plazl, I., Pipus, G., Drolka, M., Koloini, T.(_ 999) , ...
  • Hamoda, M.F, Al-Gusain, I.A., Hassan, A.H. (_ 999), Integrated Wastewater ...
  • Lee, D.S., Park, J.M.(1999), ;Neural Network Modeling for On-line Estimation ...
  • Hamed, M., Khalafallah, M.G., and Hassanein, E.A. (2004) , :Prediction ...
  • Mjalli, F. S., Al-Asheh, S., and Alfadala, H.E. (2007), ;Use ...
  • Guclu, D. and Dursun, S. (20 10), "Artificial Neural Network ...
  • Jain, S.K., Das, A. and Srivastava, D .K.(_ 999) , ...
  • Caudill, M. (1987), ;Neural Networks Primer: Part I, "AI Expert, ...
  • Athnossopulos, A. and Curram, S. (1996), :A Comparison of Data ...
  • نمایش کامل مراجع