بررسی قدرت شبکه های عصبی مصنوعی در پیش بینی اکسیژن مورد نیاز شیمیایی خروجی از تصفیه خانه عجب شیر

سال انتشار: 1394
محل انتشار: کنفرانس سالانه تحقیقات در مهندسی عمران،معماری و شهرسازی و محیط زیست پایدار
کد COI اختصاصی: CAUEM01_055
زبان مقاله: فارسی
تعداد مشاهده: 538

نویسندگان

استادیارمهندسی آب، دانشگاه آزاد اسلامی واحد مراغه، گروه عمران، مراغه، ایران

دانشجوی کارشناسی اشد مهندسی عمران آب، دانشگاه آزاد اسلامی واحد مراغه، گروه عمران، مراغه، ایران

چکیده

مدلسازی تصفیهخانه فاضلاب به دلیل مشخصات غیر خطی اغلب فرایند مختلف آن، دشوار است. به دلیل افزایش روز افزون نگرانی ها در مورد اثرات زیست محیطی تصفیه خانه ها با توجه به ضعف بهره برداری، نوسانات متغیرهای فرایندی و مشکلات تحلیل های خطی، الگوریتم های توسعه یافته با استفاده از روش های هوش مصنوعی مانند شبکه های عصبی مصنوعی توجه زیادی را به خود جلب کرده است. در این تحقیق ابتدا با استفاده از روش تحلیل رگرسیونی، پارامترهای اکسیژن مورد نیاز بیولوژکی، اکسیژن مورد نیاز شیمیایی و PH فاضلاب ورودی از بین پارامترهای مختلف به عنوان پارامتر ورودی انتخاب گردیدند. سپس با استفاده از تحلیل خطا بهترین توپولوژی شبکه های عصبی برای پیش بینی انتخاب گردید. نتایج نشان داد که شبکه پرسسترون چند لایه به تابع آموزشی تانژانت سیگموئید، با یک ییه پنهان در ورودی و خروجی و 10 گره آموزشی با ضریب رگرسیون 0/9166 بهترین انتخاب می باشد. ضرایب رگرسیون های به دست آمده از پیش بینی ها نشان می دهد که شبکه های عصبی به خوبی قادر به پیش بینی عملکرد تصفیه خانه فاضلاب شهر عجب شیر می باشد.

کلیدواژه ها

تصفیه خانه عجب شیر، اکسیژن مورد نیاز شیمیایی، شبکه های عصبی، تانژانت سیگموئید

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.