طراحی بهینه ای چندهدفی ساختارهای عصبی-فازی anfisبرای مدل سازی و بهینه سازی مواد منعقدکننده مصرفی درتصفیه آب مطالعه موردی: داده های تجربی گرفته شده از تصفیه خانه بزرگ آب شهر رشت
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه گیلان - دانشکده فنی
- نویسنده محمد اکبری زاده
- استاد راهنما علی جمالی الهیار داغبندان محمود فیروزی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
یکی از مهم ترین قسمتهای فرآیند تصفیه آب، واحد انعقاد و لخته سازی می باشد. عموما دوز بهینه منعقدکننده با استفاده ازجارتست در آزمایشگاه وتجربه خود اپراتور تعیین می شود. با این حال، جارتست وقت گیر و هزینه بر است و با تغییر شرایط آب خام در زمان واقعی تطابق کمتری دارد. برای غلبه براین محدودیت ها می توان از محاسبات نرم استفاده کرد.. دراین تحقیق، ازسیستم چندهدفی تکاملی استنتاج عصبی-فازی تطبیقی(anfis) برای مدل سازی وپیش بینی دوز بهینه منعقدکننده مصرفی در تصفیه خانه رشت بااستفاده ازمجموعه داده های ورودی -خروجی، استفاده شده است. در این روش از الگوریتم های ژنتیک چندهدفی (muga) برای بهینه سازی ساختار anfis استفاده می شود. به منظور مدل سازی، داده های تجربی به دو بخش آموزشی وآزمایشی تقسیم شدند. از 70درصد داده ها به عنوان داده های آموزش و30 درصد آنها به عنوان داده های آزمایشی استفاده شد. نتایج حاصل از مدل سازی با داده های تجربی مقایسه شدند. بعد از اجرای ساختار anfis، مدل بدست آمده تطابق بسیار خوبی با نتایج تجربی نشان داد.
منابع مشابه
طراحی بهینه چندهدفی شبکه های عصبی نوع gmdh برای مدلسازی و بهینه سازی مواد منعقدکننده مصرفی در تصفیه آب مطالعه موردی:داده های تجربی گرفته شده از تصفیه خانه بزرگ آب شهر رشت
یکی از مراحل مهم و ضروری در فرایند تصفیه آب،فرآیند انعقاد و لخته سازی می باشد. تعیین مقدار بهینه مصرفی منعقد کننده بسیار تعیین کننده می باشد و مصرف نامناسب آن باعث کاهش کیفیت آب مصرف شده می شود و همچنین بر روی بازده اقتصادی مانند هزینه مواد مصرفی تاثیرگذار می باشد . دوز مصرفی نا مناسب باعث کاهش بازده در مراحل ته نشینی و فیلتراسیون می شود . بصورت متداول آزمایش جار و تجربه شخصی اپراتور برای تع...
15 صفحه اولطراحی ساختارهای anfis و شبکه های عصبی gmdh برای پیش بینی میزان بهینه مصرف ماده منعقدکننده در فرایند تصفیه آب، مطالعه موردی: تصفیه خانه بزرگ آب گیلان
در این مطالعه با توجه به اهمیت منابع سطحی در تأمین آب شرب و لزوم استفاده از مواد شیمیایی گوناگون در مراحل مختلف تصفیه این گونه آب ها، میزان مصرف مواد منعقد کننده در فرایند تصفیه آب مورد بررسی قرار گرفت. یکی از مهم ترین قسمت های فرایند تصفیه آب، مربوط به میزان مصرف مواد منعقدکننده در واحد انعقاد و لخته سازی است. در تصفیه خانه، برای تعیین نوع و غلظت منعقدکننده مناسب، از آزمایش جار استفاده می شود....
متن کاملطراحی ساختارهای ANFIS و شبکه‌های عصبی GMDH برای پیش‌بینی میزان بهینه مصرف ماده منعقدکننده در فرایند تصفیه آب، مطالعه موردی: تصفیه‌خانه بزرگ آب گیلان
در این مطالعه با توجه به اهمیت منابع سطحی در تأمین آب شرب و لزوم استفاده از مواد شیمیایی گوناگون در مراحل مختلف تصفیه این گونه آب‌ها، میزان مصرف مواد منعقد کننده در فرایند تصفیه آب مورد بررسی قرار گرفت. یکی از مهم‌ترین قسمتهای فرایند تصفیه آب، مربوط به میزان مصرف مواد منعقدکننده در واحد انعقاد و لخته‌سازی است. در تصفیه‌خانه، برای تعیین نوع و غلظت منعقدکننده مناسب، از آزمایش جار استفاده می‌شود....
متن کاملتدوین مدل بهینه سازی فازی برای بهره برداری تلفیقی از آب سطحی و آب زیرزمینی (مطالعۀ موردی: دشت آستانه-کوچصفهان)
در تحقیق حاضر، مدل بهینهسازی تماماً فازی با درنظرگرفتن عدم قطعیتها برای برداشت تلفیقی آب سطحی و زیرزمینی برای تأمین نیاز کشاورزی ارائه شده است. تراز آب زیرزمینی دشت آستانه-کوچصفهان با نرم‌افزار GMS شبیهسازی و نتایج آن به‌صورت روابط رگرسیونی افت – برداشت به‌عنوان قید مدل بهینهسازی استفاده شد. در ادامه، مدل بهینهسازی فازی به دو روش کومار و جایالاکیشمی ابتدا به حالت صریح تبدیل شده و با نرمافز...
متن کاملمطالعه بهینه سازی هوشمند تصفیه خانه های متداول آب شرب به منظور حذف کربن آلی کل
بهینه سازی به کمک یک مدل هوشمند لازمه ی دست یابی به بالاترین کیفیت ممکن در تامین آب شرب و صنعتی می باشد. در این مطالعه، مدل شبکه عصبی مصنوعی به منظور بهینه سازی فرایند انعقاد و لخته سازی آب شرب با هدف کنترل کیفی آب خروجی نسبت به پارامتر کربن آلی کل مورد استفاده قرار گرفت. مدل شبکه عصبی با ساختار پیش خور چند لایه و با فرایند یادگیری پس انتشار خطا برای بهینه سازی غلظت فریک کلراید و پلیمر کاتیونی ...
متن کاملمدلسازی غلظت تری هالومتان در آب شرب با استفاده از شبکه عصبی مصنوعی
در این مطالعه جهت مدل سازی میزان غلظت تری هالومتان در آب شرب، از شبکه عصبی مصنوعی استفاده شده است. پس از آموزش، شبکه عصبی قادر است براساس مشخصات کیفی آب و میزان غلضت کلر در آب شرب، میزان غلظت تری هالومتان را پیش بینی کند. جهت ارزیابی و تشریح مدل، آب تصفیه خانه سنگر واقع در شهرستان رشت به صورت موردی بررسی شده است. از اندازه گیری های انجام یافته بر روی آب شرب تصفیه خانه سنگر، داده های مورد نیاز،...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه گیلان - دانشکده فنی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023