ارزیابی دقت شبکه های عصبی مصنوعی (MLP و RBF) در پیش بینی گرد و غبار کارخانه سیمان سبزوار
عنوان مقاله: ارزیابی دقت شبکه های عصبی مصنوعی (MLP و RBF) در پیش بینی گرد و غبار کارخانه سیمان سبزوار
شناسه ملی مقاله: JR_JREH-5-1_004
منتشر شده در شماره 1 دوره 5 فصل در سال 1398
شناسه ملی مقاله: JR_JREH-5-1_004
منتشر شده در شماره 1 دوره 5 فصل در سال 1398
مشخصات نویسندگان مقاله:
سید سعید کیخسروی - دانشجوی کارشناسی ارشد مهندسی محیط زیست دانشکده منابع طبیعی، دانشگاه یزد، ایران.
فرهاد نژادکورکی - دانشیار گروه مهندسی محیط زیست، دانشکده منابع طبیعی، دانشگاه یزد، ایران.
محمود امین طوسی - استادیار، گروه علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر، دانشگاه حکیم سبزواری، ایران.
خلاصه مقاله:
سید سعید کیخسروی - دانشجوی کارشناسی ارشد مهندسی محیط زیست دانشکده منابع طبیعی، دانشگاه یزد، ایران.
فرهاد نژادکورکی - دانشیار گروه مهندسی محیط زیست، دانشکده منابع طبیعی، دانشگاه یزد، ایران.
محمود امین طوسی - استادیار، گروه علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر، دانشگاه حکیم سبزواری، ایران.
چکیده زمینه و هدف: مدلسازی گردو غبار میتواند به عنوان یک ابزار مناسب برای پیشبینی گردو غبار صنایع در آینده و تعیین استراتژیهای کنترل انتشار آلایندهها تلقی شود. در این مطالعه از شبکههای عصبی پرسپترون (MLP) و پایه شعاعی (RBF) به عنوان ابزاری برای پیشبینی گردو غبار خروجی از دودکش اصلی کارخانه سیمان سبزوار واقع در استان خراسان رضوی استفاده شد. مواد و روش ها: در محدوده مطالعاتی مورد نظر، ابتدا میزان غلظت گردو غبار خروجی از دودکش اصلی کارخانه سیمان به وسیله اندازهگیریهای میدانی به دست آمد. سپس با به کارگیری پارامترهای خط تولید (درجه حرارت، سرعت گاز خروجی، ولتاژ، سوخت، مواد خام و مدت زمان نمونهبرداری)، به عنوان دادههای ورودی به شبکههای عصبی، جهت پیشبینی میزان غلظت گردو غبار استفاده شد. مقادیر حاصل از اجرای مدلها، با نتایج اندازهگیریهای میدانی به عنوان انتخاب مدل برتر، مورد مقایسه قرار گرفت. یافتهها: دربررسی نمودارها و پارامترهای آماری، مقادیر میانگین مربعات خطا برای دو مدل شبکههای عصبی پرسپترون و پایه شعاعی به ترتیب برابر 1/787 و 21/263 و مقادیر ضریب همبستگی به ترتیب برابر 0/99693 و 0/95811 بود که نشانگر خطای کمتر و همبستگی بیشتر مدل شبکههای عصبی پرسپترون نسبت به مدل پایه شعاعی در پیشبینی میزان غلظت گردو غبار بود. نتیجهگیری: به دلیل قابلیت بالای شبکه عصبی پرسپترون در پیشبینی میزان غلظت گردو غبار، این مدل میتواند یک راه حل مناسب و سریع در پیشبینی میزان گردو غبار صنایع باشد. نوع مقاله:مقاله پژوهشی کلید واژه ها: کارخانه سیمان، گردو غبار، شبکههای عصبی مصنوعی، آلودگی هوا
کلمات کلیدی: کارخانه سیمان, گرد و غبار, شبکه های عصبی مصنوعی, آلودگی هوا
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/938284/