برآورد میزان شیرابه مراکز دفن زباله با استفاده از شبکه عصبی مصنوعی
نویسندگان
چکیده
در این مطالعه به منظور مدل سازی شدت جریان فاضلاب در مراکز دفن زباله از شبکه عصبی مصنوعی استفاده شد. پس از آموزش، شبکه عصبی قادر است براساس داده های هواشناسی و مشخصات فاضلاب مرکز دفن، شدت جریان فاضلاب را پیش بینی کند. داده های ورودی شبکه عصبی شامل پارامترهایی نظیر ph، دما، هدایت الکتریکی فاضلاب مرکز دفن و داده های هواشناسی بود. برای ارزیابی و تشریح مدل، مرکز دفن زباله بیروت به صورت موردی بررسی شد. از مطالعه انجام شده بر روی مرکز دفن زباله بیروت، داده های مورد نیاز برای آموزش و آزمایش شبکه عصبی به دست آمد. این مرکز دفن از سال 1997 بهره برداری شده و از سال 1998 میزان فاضلاب تولیدی در آن پایش شده است. الگوریتم بهینه از بین سیزده نوع الگوریتم پس انتشار انتخاب شد و برای آموزش شبکه عصبی مورد استفاده قرار گرفت. سپس ساختمان بهینه شبکه عصبی تعیین گردید. در این مطالعه، شبکه عصبی با الگوریتم لونبرگ- مارکوارت که دارای ده نرون در لایه پنهان بود، به عنوان شبکه عصبی بهینه انتخاب شد. با توجه به شاخصهای آماری به دست آمده (ضریب تعیین= 0/976، میانگین خطای نسبی= 0/089) و داده های ورودی در نظر گرفته شده، برآورد شدت جریان فاضلاب در مرکز دفن زباله توسط شبکه عصبی از کارایی مناسبی برخوردار است.
منابع مشابه
پیش بینی درصد متان موجود در گاز مراکز دفن زباله با استفاده از شبکه عصبی مصنوعی
Backgrounds and Objectives:A number of different technologies have recently been studied todetermine the best use of biogas, however, to choose optimize technologies of using biogas for energy recovery it is necessary to monitor and predict the methane percentage of biogas. In this study, a method is proposed for predicting the methane fraction in landfill gas originating from Labscalelandfill ...
متن کاملپیش بینی درصد متان موجود در گاز مراکز دفن زباله با استفاده از شبکه عصبی مصنوعی
زمینه و هدف: تکنیک های مختلفی برای استفاده بهینه از گاز تولیدی در دفنگاه زباله مورد مطالعه قرار گرفته است. اما برای استفاده از هر یک از این تکنیک ها و همچنین تضمین کارایی سیستم های استحصال انرژی، باید درصد متان موجود در بیوگاز سنجش و پیش بینی شود. در این مطالعه برای پیش بینی درصد متان موجود در گاز دفنگاه زباله در مقیاس آزمایشگاهی، از شبکه عصبی استفاده شده است.روش بررسی: در این مطالعه راکتوره...
متن کاملبرآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...
متن کاملپیشبینی غلظت آمونیوم و مواد آلی فاضلاب دفنگاه زباله با استفاده از شبکه عصبی مصنوعی
در این تحقیق بهمنظور پیشبینی میزان غلظت مواد آلی و آمونیوم موجود در فاضلاب دفنگاه زباله با استفاده از شبکه عصبی مصنوعی، دو سیستم در آزمایشگاه مدل شد. برای آموزش و تست مدل شبکه عصبی، از نتایج آزمایشگاهی بهدست آمده استفاده شد. سیستم 1، فقط شامل راکتور حاوی زباله تازه بود. در این سیستم فاضلاب پس از تولید، بر روی زباله تازه بازگردانده میشد. سیستم 2، شامل راکتور حاوی زباله تازه و راکتوری حاوی ز...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
فصلنامه علمی- پژوهشی آب و فاضلابناشر: مهندسین مشاور طرح و تحقیقات آب و فاضلاب
ISSN 1024-5936
دوره 22
شماره 1 2011
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023