مدلسازی فرآیند انعقاد و لخته سازی توسط روش های استنتاج عصبی- فازی تطبیقی، شبکه های عصبی مصنوعی و رگرسیون فازی | ||
| مهندسی عمران مدرس | ||
| Article 7, Volume 16, Issue 3, 1395, Pages 73-85 PDF (937.45 K) | ||
| Authors | ||
| محمد دلنواز* ; محمد دلنواز* | ||
| دانشگاه خوارزمی | ||
| Abstract | ||
| فرایند انعقاد و لخته سازی یکی از فرایندهای اصلی در تصفیه آب است. تاثیر پارامترهای مختلف بر این فرایند همواره یک بحث اساسی در راهبری تصفیه خانههای آب بوده و سالهای مختلف از آزمایش جار برای این منظور استفاده شده است. در این مطالعه از سیستم استنتاج عصبی- فازی تطبیقی (ANFIS)، شبکههای عصبی مصنوعی (دو مدل پیشخور و پایه شعاعی) و تحلیل رگرسیون فازی جهت پیشبینی میزان نهایی کدورت پس از فرآیند انعقاد و لختهسازی در تصفیهخانههای آب 3 و 4 تهران استفاده شد. پارامترهای بکار رفته در مدلسازی کیفیت آب خروجی شامل نوع منعقدکننده (انواع پلیآلومینیومکلراید (PAC))، غلظت منعقدکننده، کدورت ورودی و pH آب خام بوده است. نتایج نشان داد که شبکههای عصبی مصنوعی و تحلیل رگرسیون فازی نسبت به سیستم استنتاج عصبی- فازی تطبیقی توانایی بالاتری در پیشبینی راندمان حذف کدورت در شرایط مختلف آزمایشگاهی داشته و قابل جایگزینی با روش-های زمانبر و هزینهبر مانند آزمایش جار میباشند. بهترین شبکه ساختهشده جهت پیشبینی کدورت آب تصفیهشده در این مطالعه، شبکه پیشخور با دو لایه مخفی و تعداد 6 و 8 نرون و توابع انتقال Tansig و Purelin به ترتیب در لایههای اول و دوم، با استفاده از دادههای نرمالشده و با اصلاح تابع کارایی بوده است. این شبکه موفق به پیشبینی فرایند انعقاد با ضریب همبستگی 96/0، شاخص تطابق 99/0 و مجذور میانگین مربعات خطای 0106/0 گردید. بهترین راندمان سیستم در شرایط بهرهبرداری با کدورت اولیه NTU 160، pH معادل 8، منعقد کننده PAC نوع I با دوز mg/L 19 و با راندمان 5/99 درصد تعیین شد. | ||
| Keywords | ||
| تصفیه آب; انعقاد و لخته سازی; شبکه های عصبی مصنوعی; استنتاج عصبی- فازی تطبیقی; رگرسیون فازی | ||
| References | ||
|
| ||
|
Statistics Article View: 277 PDF Download: 106 |
||
| Number of Journals | 45 |
| Number of Issues | 2,171 |
| Number of Articles | 24,672 |
| Article View | 24,384,222 |
| PDF Download | 17,531,394 |