پیش بینی درصد متان موجود در گاز مراکز دفن زباله با استفاده از شبکه عصبی مصنوعی

Authors

محمد جواد ذوقی

m.j zoqi senior expert, of environmental research institute of jahad daneshgahi, rasht, gilan, iranفوق لیسانس عمران محیط زیست، عضو شورای علمی پژوهشکده محیط زیست جهاد دانشگاهی آریامن قویدل

a ghavidel member of scientific board of environmental research institute of jahad daneshgahi rasht, gilan, iraعضو هیئت علمی پژوهشکده محیط زیست جهاد دانشگاهی

abstract

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 راکتورهای شبیه ساز مرکز دفن زباله، در دو سیستم متفاوت عمل می کنند، جهت تخمین درصد متان موجود در گاز مرکز دفن به وسیله شبکه عصبی مصنوعی، از مشخصات فاضلاب این راکتورها به عنوان داده های ورودی استفاده شده است. سیستم یک(c1)، در این سیستم، فاضلاب پس از تولید بر روی زباله تازه بازگردانده می شود. سیستم دو(c2)، در این سیستم، فاضلاب پس از خروج از زباله تازه  برروی راکتور حاوی زباله خوب تجزیه شده تخلیه و سپس بر روی زباله تازه بازگردانده می شودیافته ها: شبکه عصبی دارای کارایی بالایی در پیش بینی درصد متان موجود در بیوگاز است، به طوری که مقدار ضریب همبستگی در شبکه عصبی بهینه، برای داده های آموزش و تست، به ترتیب برابر 999/0 و 997/0 می باشد و ضریب انحراف معیار به ترتیب برابر 098/1 و 387/2 می باشد.نتیجه گیری: با توجه به کارایی بالای شبکه عصبی در پیش بینی درصد متان موجود در بیوگاز، می توان از این مدل جهت طراحی بهینه سیستم های جمع آوری و تصفیه گاز مراکز دفن زباله، و همچنین برای حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفاده کرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

کاربرد شبکه عصبی GMDH و الگوریتم ژنتیک در مدل سازی درصد متان موجود در گاز مراکز دفن زباله

زمینه و هدف : در این مطالعه از شبکه عصبی GMDH بر اساس الگوریتم ژنتیک جهت پیش بینی درصد متان موجود در گاز دفن گاه زباله در مقیاس آزمایشگاهی، استفاده شده است. جهت تخمین درصد متان موجود در گاز مرکز دفن به وسیله شبکه عصبی GMDH، از مشخصات فاضلاب به عنوان داده های ورودی  و از درصد متان موجود در بیوگاز به عنوان داده خروجی استفاده شده است. پارامترهای ورودی جهت پیش بینی میزان متان موجود در بیوگاز شامل د...

full text

کاربرد شبکه عصبی gmdh و الگوریتم ژنتیک در مدل سازی درصد متان موجود در گاز مراکز دفن زباله

زمینه و هدف : در این مطالعه از شبکه عصبی gmdh بر اساس الگوریتم ژنتیک جهت پیش بینی درصد متان موجود در گاز دفن گاه زباله در مقیاس آزمایشگاهی، استفاده شده است. جهت تخمین درصد متان موجود در گاز مرکز دفن به وسیله شبکه عصبی gmdh، از مشخصات فاضلاب به عنوان داده های ورودی  و از درصد متان موجود در بیوگاز به عنوان داده خروجی استفاده شده است. پارامترهای ورودی جهت پیش بینی میزان متان موجود در بیوگاز شامل د...

full text

برآورد میزان شیرابه مراکز دفن زباله با استفاده از شبکه عصبی مصنوعی

در این مطالعه به‌منظور مدل‌سازی شدت جریان فاضلاب در مراکز دفن زباله از شبکه عصبی مصنوعی استفاده شد. پس از آموزش، شبکه عصبی قادر است براساس داده‌های هواشناسی و مشخصات فاضلاب مرکز دفن، شدت جریان فاضلاب را پیش‌بینی کند. داده‌های ورودی شبکه عصبی شامل پارامترهایی نظیر pH، دما، هدایت الکتریکی فاضلاب مرکز دفن و داده‌های هواشناسی بود. برای ارزیابی و تشریح مدل، مرکز دفن زباله بیروت به‌صورت موردی بررسی ش...

full text

برآورد میزان شیرابه مراکز دفن زباله با استفاده از شبکه عصبی مصنوعی

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 ش...

full text

My Resources

Save resource for easier access later


Journal title:
سلامت و محیط زیست

جلد ۲، شماره ۲، صفحات ۱۴۰-۱۴۹

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023