مدلسازی و بهینه سازی فرایند تصفیه بیولوژیکی فاضلاب لبنی با استفاده از روش شبکه عصبی مصنوعی

در این مطالعه، کاری را که آقای زینتیزاده و همکارانش بر روی اثر متقابل اکسیژن مورد نیاز شیمیایی اولیه (CODin)، غلظت زیست توده و زمان هوادهی در عملکرد یک مقیاس آزمایشگاهی راکتور توالی بیوفیلم دسته ای (SBBR)، حذف فاضلاب لبنی مصنوعی با استفاده از روش پاسخ سطح مورد بررسی قرار داده اند را با استفاده از شبکه عصبی مصنوعی مدلسازی کردیم. در این مدلسازی پارامترهای ورودی Biomass (1000, 3000 and 5000 mg/l) CODin و concentration (3000.5000 and 7000 mg/l) و Aerationtime (2.8 and 18 h) و پارامترهای خروجی راندمان حذف (COD removal, %) و حجم لجن (SVI, ml/g) می باشد. که R2 برای شبکه عصبی مصنوعی و پاسخ سطح برای COD removal و 0.9941 و 0.9901 و برای SVI و 0.9118 و 0.8282 می باشند. حاصل این مقایسه نشان دهنده این مورد بود که نتایج حاصل از شبکه عصبی مصنوعی از دقت بیشتری برخوردار می باشد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، اثر متقابل اکسیژن ، پاسخ سطح ، حذف فاضلاب لبنی مصنوعی ، حجم لجن (SVI)