پیش بینی درصد متان موجود در گاز مراکز دفن زباله با استفاده از شبکه عصبی مصنوعی
Authors
Abstract:
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 bioreactors, based on neural network.Materials and Methods: In this study, two different systems were applied, to predict the methane fraction in landfill gas as a final product of anaerobic digestion, we used the leachate specifications as input parameters. In system I (C1), the leachate generated from a fresh-waste reactor was drained to recirculation tank, and recycled. In System II (C2), the leachate generated from a fresh waste landfill reactor was fed through a well-decomposed refuse landfill reactor, and at the same time, the leachate generated from a well-decomposed refuse landfill reactor recycled to a fresh waste landfill reactor.Results: There is very good agreement in the trends between forecasted and measured data. R valuesare 0.999 and 0.997, and the obtained Root mean square error values are 1.098 and 2.387 for training and test data, respectivelyConclusion: The proposed method can significantly predict the methane fraction in landfill gasoriginating and, consequently, neural network can be use to optimize the dimensions of a plant using biogas for energy (i.e. heat and/or electricity) recovery and monitoring system.
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 textکاربرد 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 textبرآورد 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 textبرآورد 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 textMy Resources
Journal title
volume 2 issue None
pages 140- 149
publication date 2009-09
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023