توسعه مدلی مناسب بر مبنای شبکه عصبی مصنوعی برای پیش‎بینی مصارف آب سیکل‎های آب گردشی (مطالعه موردی صنایع فولادی)

در این پژوهش، مدل سازی مصرف آب جبرانی در سیستم های خنک کننده گردشی صنعتی با استفاده از شبکه های عصبی مصنوعی (ANN) و به کارگیری تحلیل مولفه های اصلی (PCA) برای کاهش چندخطی بودگی و انتخاب ویژگی های موثر انجام شده است. داده های مورد استفاده از یک واحد صنعتی مطابق با استاندارد ISO ۴۶۰۰۱:۲۰۱۹ جمع آوری شده اند. پیش پردازش داده ها شامل حذف نقاط پرت با روش های Z-score و IQR و نرمال سازی min-max بوده است. مدل های ANN با ساختار MLP و الگوریتم آموزش لونبرگ-مارکوارت توسعه داده شدند و عملکرد آن ها با معیارهای R² و MSE ارزیابی گردید. نتایج نشان داد که مدل های توسعه یافته قادرند مصرف آب جبرانی را با دقت بالا (R² > ۰.۹۸ و MSE < ۰.۰۲) پیش بینی کنند. همچنین، تحلیل وزن های شبکه و بارهای مولفه های اصلی، نقش پارامترهایی مانند EC، pH، درصد هدررفت (Drift)، و میزان تخلیه (Blowdown) را در تعیین مصرف آب جبرانی به وضوح آشکار ساخت. این مدل ها می توانند به عنوان ابزاری کارآمد در مدیریت بهینه منابع آب در صنایع مورد استفاده قرار گیرند.

کلیدواژه ها:

سیستم خنک کننده گردشی ، مصرف آب جبرانی ، شبکه عصبی مصنوعی ، تحلیل مولفه های اصلی ، مدیریت آب صنعتی ، ISO ۴۶۰۰۱