مدل سازی راکتورهای SBR با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی- عصبی جهت بهبود پیش بینی مدل

مدل سازی دینامیک راکتورهای SBR به دلیل مکانیسم های متنوع قابل تصور برای حذف سوبسترا از خوراک ورودی، تنوع خوراک ورودی به راکتور، همزمانی واکنش های بیولوژیکی و شیمیایی و نیز وابسته به زمان بودن برخی از پارامترهای این واکنش ها همواره پیچیده بوده است. در این میان، مدل های ریاضی ارائه شده نیز به دلیل داشتن پارامترهای سینتیکی و استوکیومتری متعدد، فرض های ساده کننده در روند مدل سازی و زمان حل بالا دارای استفاده های محدود بوده و در حد تئوری باقی مانده اند. در این مطالعه از روش شبکه عصبی مصنوعی جهت مدل سازی استفاده شده است. مدل شبکه عصبی ارائه شده با ساختار MLP توانسته است با میزان خطای RMSE=0/109 غلظت های COD و VSS رادر جریان یک سیکل این راکتور پیش بینی کند. همچنین مدل سازی با ساختار سیستم استنتاج فازی- عصبی تطابقی (ANFIS) نیز توانسته است با استفاده از خوشه بندی جزئی داده ها ، میزان خطای این مدل را با داده های آزمایشگاهی تا RMSE=0/0054 کاهش دهد. این امر نشان دهنده سهولت ، دقت و توانایی مدل های شبکه عصبی مصنوعی و سیستم استنتاج فازی-عصبی برای مقاصد کنترلی، صنعتی و کاربردی است.

کلیدواژه ها:

مدل سازی ، SBR ، شبکه عصبی مصنوعی ، سیستم استنتاج فازی- عصبی تطابقی (ANFIS)