پیش بینی و مقایسه راندمان حذف آلاینده های نفتی در روش تصفیه MBBR با مقادیر به دست آمده از شبکه عصبی مصنوعی

امروزه یکی از جدی ترین مسائل و مشکلات جهان بخصوص کشور عزیزمان ایران یافتن و حفظ منابع آبی قابل شرب است؛ در این راستا با توجه به محدودیت این منابع آبی و همچنین آلودگی آنها توسط صنایع و پالایشگاه ها، نیاز به تصفیه آب بیش از هر زمان دیگری حائز اهمیت و حیاتی می باشد. در این مطالعه با استفاده از شبکه عصبی مصنوعی به تجزیه و تحلیل داده های به دست آمده از مدلسازی سیستم تصفیه توسط راکتورهای بیوفیلمی با بستر متحرک (MBBR) در فرآیندهای نفتی مورد بررسی قرار گرفته است. بر این اساس از 156 داده کیفی منبع نفتی که در طول یک دوره آزمایشگاهی به صورت مداوم اندازه گیری شده است استفاده گردید شبکه عصبی مصنوعی با استفاده از دسته های ورودی و خروجی و بررسی نورون های عمل می کند و در این تحقیق این دسته ها شامل Filling Ratio و F/M و CODin و CODout و DO و MLVSS/MLSS که جزو پارامترهای تاثیرگذار در کیفیت فرآیندهای نفتی محسوب می شوند که با استفاده از آن مدل پیش بینی کیفی نفتی بر اساس شبکه عصبی مصنوعی 2 لایه با تعداد 19 نورون با میزان خطای 1/5 طراحی گردید که این میزان نشان دهنده بهترین حالت ANN با کمترین میزان خطا را داراست.

کلیدواژه ها:

آلاینده های نفتی ، MBBR ، شبکه عصبی ، ANN