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

Authors

محسن سعیدی دانشیار گروه آب و محیط زیست، دانشکده عمران، دانشگاه علم و صنعت ایران، تهران

محمدجواد ذوقی کارشناس ارشد عمران- محیط زیست، عضو هیئت علمی پژوهشکده محیط زیست جهاد دانشگاهی، رشت

Abstract:

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 شد. از مطالعه انجام شده بر روی مرکز دفن زباله بیروت، داده‌های مورد نیاز برای آموزش و آزمایش شبکه عصبی به‌دست آمد. این مرکز دفن از سال 1997 بهره‌برداری 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، به‌عنوان شبکه عصبی بهینه انتخاب شد. با توجه به شاخصهای آماری به‌دست آمده (ضریب تعیین= 0/976، میانگین خطای نسبی= 0/089) و داده‌های ورودی در نظر گرفته شده، برآورد شدت جریان فاضلاب در مرکز دفن زباله توسط شبکه عصبی از کارایی مناسبی برخوردار است.

Upgrade to premium to download articles

Already have an account?login

similar resources

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 ...

full text

پیش 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...

full text

روش‌های نوین تصفیه غشایی شیرابه ناشی از مراکز دفن زباله

full text

برآورد 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...

full text

پیش‌بینی 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...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

آب و فاضلاب

volume 22 issue 1

pages 76- 84

publication date 2011-03-01

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

شبکه عصبی مصنوعی شیرابه شدت جریان داده های هواشناسی

Hosted on Doprax cloud platform doprax.com