پیش بینی پارامترهای عملیاتی در کارخانجات تولید آب صنعتی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 601

فایل این مقاله در 15 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:

CHECONF03_156

تاریخ نمایه سازی: 14 آذر 1395

چکیده مقاله:

فرایند انعقاد در تصفیه آب از جایگاه ویژه ای برخوردار است به طوری که مطالعت زیادی پیرامون نوع ماده منعقد کننده و همچنین شرایط عملیاتی بهینه جهت حذف کدورت صورت پذیرفته است یکی از بهترین روشهای راهبری صحیح تصفیه خانه ها و خصوصاً فرایند اختلاط و انعقاد، مدیریت تزریق مواد شیمیایی است در این مطالعه به بررسی مشکلات تولید آب صنعتی در تصفیه خانه شرکت پتروشیمی فجر پرداخته شدهاست. به همین منظور جارتست باتغییر نوع و غلظت منعقد کننده و کمک منعقد کننده دور همزن و PH انجام گرفت و در هر آزمایش، کدورت و سختی کل آب ورودی و خروجی اندازه گیری شد با توجه به اهمیت تمامی داده های موجود طراحی ازمایشها به صورت full factorial و در مجموع با 1296 آزمایش صورت پذیرفت. جهت کاهش خطای انسانی و رسیدن به نتایج دقیقتر در سیتسم مپیش تصفیه اب استفاده از شبکه های عصبی مصنوعی پیشنهاد گردید که با استفاده از نتایج حاصل از جارتست به آموزش این شبکه پرداخته شد به علت کمتر بودن تعداد پارامترهای ورودی و از خروجی در طراحی شبکه عصبی فوق، استفاده از الگوریتم ژنتیک جهت بهینه سازی نتایج پیشنهاد گردید. پیش بینی حاصل از این شبکه برای پارامترهای عملیاتی، بیانگر تطبیق بسیار بالای نتایج با داده های عملیاتی واحد صنعتی بود حداکثر خطای نسبی پیش بینی کدورت 6% و سختی کل 2/3% شایان ذکر است که شبکه عصبی طراحی شده قابلیت استفاده در سیستمهای کنترلی تصفیه خانه ها را نیز دارا می باشد.

کلیدواژه ها:

نویسندگان

محمدحسین یاسین

دانشجوی دکتری مهندسی شیمی شرکتها ملی نفت ایران شرکت ملی مناطق نفت خیز جنوب

امیرحسین نوری

کارشناسی ارشد مهندس شیمی شرکت ملی نفت ایران شرکت ملی مناطق مرکزی ایران

حسین ارشادی فارسانی

کارشناسی ارشد مهندسی شیمی مهندسی پلیمر، باشگاه پژوهشگران جوان، دانشگاه شمال آمل

فاطمه رخ

کارشناسی مهندسی شیمی باشگاه پژوهشگران جوان، دانشگاه آزاد اسلامی آبادان

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 :
  • . Amuda, O.S., Amoo, I.A., Ajayi, O.O., _ _ erformance ...
  • . Mo, J., Hwang, J., Jegal, J., "Pretreatmet of a ...
  • . "Guidelines for drinking water quality", Vol2, New Delhi, 1991: ...
  • investigation, modeling and optimization of membrane separation using artificial neural ...
  • . Wenzheng, Y., Guibai, L., Yongpeng, X., "Breakage and re-growth ...
  • . Barello, M., Manca, D., Patel, R., Mujtaba, I.M., : ...
  • . wiley, J., _ tretmrmt principals and desing", 1995: 28. ...
  • . Seokjong, B., Seokjong, O., Bo-Young, L. "Improvement of coagulation ...
  • . Grishma, R., S hankararaman, Ch., "Predicting membrane fouling during ...
  • . Al-Abri, M., Hilal, N., ":Artificial neural network simulation of ...
  • . Guan-De, W., Shang-Lien, L., "Effects of data normalization and ...
  • نمایش کامل مراجع