Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

مدل سازی تصفیه خانه فاصلاب صنعتی برای تخمین TSS پساب خروجی با استفاده از شبکه عصبی مصنوعی

سال انتشار: 1395
کد COI مقاله: NCCESDR03_009
زبان مقاله: فارسیمشاهده این مقاله: 276
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدل سازی تصفیه خانه فاصلاب صنعتی برای تخمین TSS پساب خروجی با استفاده از شبکه عصبی مصنوعی

ناصر لاله - دانشجو کارشناسی ارشد عمران آب و فاضلاب موسسه آموزش عالی خاوران
محمد سلطانی اصل - دکترای عمران اب رییس گروه تحقیقات شرکت آب و فاضلاب استان خراسان رضوی

چکیده مقاله:

کاربرد شبکه عصبی مصنوعی در فرایندهای تصفیه فاضلاب بهعنوان یک مضمون جدید و در عین حال تکنیک نویددهنده برای پیشبینی عملکرد فرآیندهای بیولوژیکی پیچیده و غیرخطی مدنظر قرار گرفته است. این موضوع بهعنوان یک مبحث بسیار کارگشا در غلبه بر برخی ازمحدودیتهای مدلهای ریاضی متعارف در زمینه تاسیسات تصفیه فاضلاب مطرح میباشد، که علت آن نیز مکانیزمهای پیچیده، تغییرپذیری ودینامیک آن است. هدف از انجام مقاله حاضر، تخمین غلظت جامدات معلق کل پساب خروجی (TSS (بر اساس دادههای زمانی در دسترس در تصفیهخانه فاضلاب شهرک صنعتی چناران با استفاده از شبکه عصبی مصنوعی میباشد. آمار مورد استفاده در این مقاله، دادههای ثبت شده توسط واحد کنترل و بهرهبرداری تصفیهخانه در طی سالهای 1391 ،1392 و1393 را شامل میشود. در نهایت با توجه به معیارهای سنجش خطا و نکویی برازش، بهترین مدل انتخاب گردید. بهترین مدل شبکه عصبی پرسپترون با الگوریتم آموزشی لونبرگ- مارکواد، ساختار (1-24-9 ،(با ضریب مجذور همبستگی r2-0.912 و مقادیر 0.069=RMSE ،0.0520=MAE و 0.322=MAPE درمرحله آزمون و نتایج مناسب برای دادههای آموزشی، در تخمین TSS پساب خروجی از کارایی و دقت مناسب برخوردار بود.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NCCESDR03_009 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/605160/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
لاله، ناصر و سلطانی اصل، محمد،1395،مدل سازی تصفیه خانه فاصلاب صنعتی برای تخمین TSS پساب خروجی با استفاده از شبکه عصبی مصنوعی،همایش ملی مهندسی عمران، محیط زیست و سرزمین پایدار،مشهد،https://civilica.com/doc/605160

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1395، لاله، ناصر؛ محمد سلطانی اصل)
برای بار دوم به بعد: (1395، لاله؛ سلطانی اصل)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • فاضلاب و محیط زیست مطالعه موردی رودبارقصران لواسانات [مقاله کنفرانسی]
  • Holger R. Maier; Graeme C. Dandy.(2005) _ "Input Determination For ...
  • Cao G., Li M., and Mo C., (2008) , "Prediction ...
  • Dogan, E. Ates, A. Yilmaz, E.C. and Eren, B. 2008. ...
  • Singh, K.P., Basant, A., Malik, A. and Jain, G. 2009. ...
  • Guclu, D. and Dursun, S. (2010), "Artificial Neural Network Modeling ...
  • Abu Qdais H., Bani Hani K., and Shatnawi N., (2010), ...
  • Fang, F., Ni, B.J., Xie, W.M., Sheng G.P., Liu S.G., ...
  • Shi, X., and Qiao, J., (2010), "Neural Network Predictive Optimal ...
  • Kaustra I., and Boyd, MS., (1995). Forecasting futures trading volume ...
  • Forrester, J.W., Breierova, L., and Choudhari, M., (2001). An introduction ...

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: 1,150
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

طرح های پژوهشی مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی