بررسی تأثیر فراوانی پارامترهای ورودی بر دقت پیش بینی COD پساب تصفیه خانه -های فاضلاب صنعتی با استفاده از شبکه عصبی مصنوعی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,261
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEE06_309
تاریخ نمایه سازی: 30 آبان 1391
چکیده مقاله:
این مقاله یک رویکرد جدید بر پایه یک مدل شبکه عصبی مصنوعی که به منظور پیش بینی کیفیت پساب یک تصفیه خانه فاضلاب صنعتی طراحی شده است را ارائه می دهد. ساختار بهینه از یک مدل شبکه عصبی مصنوعی، به منظور ارزیابی عملکرد تصفیه خانه فاضلاب صنعتی، توسعه داده شده است. برای این منظور از شبکه عصبی پرسپترون چندلایه که از پر کاربردترین شبکه های عصبی مصنوعی در مسائل زیست محیطی می باشد، استفاده گردیده است. ورودی های شبکه عصبی مصنوعی شامل هشت پارامتر کلیدی تصفیه فاضلاب می باشد که در مجموع نتایج تعداد 350 آزمایش برای آموزش و سپس صحت سنجی مدل مورد استفاده قرار گرفته است. برای تعیین چگونگی و مقدار تأثیر ورودی ها بر خروجی مدل، تحلیل حساسیت روی آنها انجام شده است. نتایج برگرفته از روش تحلیل حساسیت نشان دهنده میزان تأثیر هر کدام از پارامترها بر روی راندمان تصفیه می باشد. طبق این نتایج علاوه بر غلظت اکسیژن خواهی شیمیایی فاضلاب ورودی (CODin)، دما و pH تأثیر گذارترین عوامل بر روی عملکرد تصفیه خانه فاضلاب مورد تحقیق هستند.
کلیدواژه ها:
نویسندگان
علیرضا مهدی پورطرقبه
دانشجو کارشناسی ارشد مهندسی عمران-مهندسی محیط زیست، دانشگاه فردوسی
محمد شکوهیان
استادیار و عضو هیئت علمی دانشکده مهندسی دانشگاه فردوسی مشهد
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 :