بهینه سازی فرآیند بازیافت آب در واحدهای فیلتراسیون با استفاده از تکنیک های داده کاوی و هوش مصنوعی

بهینه سازی فرآیند بازیافت آب در واحدهای فیلتراسیون صنعتی یکی از راهکارهای اساسی برای کاهش مصرف منابع آب شیرین، انرژی و مواد شیمیایی محسوب می شود. در این پژوهش، یک چارچوب هوشمند مبتنی بر داده کاوی و هوش مصنوعی به منظور بهبود عملکرد سیستم های فیلتراسیون طراحی و پیاده سازی گردید. داده های عملیاتی شامل بیش از ۵۲,۰۰۰ رکورد از پارامترهایی نظیر دبی جریان، فشار ورودی و خروجی، دما، pH و شاخص های کیفیت آب طی یک دوره ۱۲ ماهه جمع آوری شد. پس از پیش پردازش داده ها و حذف نویز و مقادیر پرت، مدل های پیش بینی مبتنی بر شبکه عصبی مصنوعی (ANN)، الگوریتم ژنتیک (GA) و منطق فازی توسعه داده شدند. نتایج نشان داد که مدل ترکیبی ANN+GA با دستیابی به MAE برابر ۲.۱، RMSE برابر ۳.۵ و ضریب تعیین R² برابر ۰.۹۶، بالاترین دقت پیش بینی معادل ۹۶٪ را در مقایسه با سایر مدل ها ارائه می دهد. بهینه سازی پارامترهای عملیاتی منجر به کاهش ۱۰٪ دبی جریان، ۱۲.۵٪ فشار ورودی و ۱۲٪ فشار خروجی گردید که نتیجه آن بهبود قابل توجه کیفیت آب خروجی بود. مقادیر TDS و COD به ترتیب از ۴۵۰ به ۳۸۰ mg/L و از ۳۵ به ۲۸ mg/L کاهش یافتند که بیانگر بهبود ۱۷٪ و ۲۰٪ در شاخص های کیفیت آب است. همچنین، کدورت آب با ۵۰٪ کاهش و مصرف انرژی و مواد شیمیایی به ترتیب با ۲۰.۸٪ و ۲۰٪ کاهش همراه بوده است. یافته های این پژوهش نشان می دهد که به کارگیری رویکردهای هوشمند مبتنی بر داده کاوی و هوش مصنوعی می تواند نقش بسزایی در ارتقای کارایی سیستم های فیلتراسیون داشت باشد.

کلیدواژه ها:

بهینه سازی فرآیند ، بازیافت آب ، واحدهای فیلتراسیون ، داده کاوی ، هوش مصنوعی ، شبکه عصبی مصنوعی