مدلسازی حذف فتوکاتالیستی آلاینده ها از پساب صنعتی

در این تحقیق یک سیستم شبکه عصبی bp برای پیش بینی میزان حذف آلاینده کلروفن از محلول آبی پساب های صنعتی و استفاده از یک شبکه نروفازی برای مقایسه با نتایج شبکه عصبیbpاستفاده شده است. همچنین از الگوریتم پرندگان برای بدست آوردن رابطه مناسب این فرایند استفاده شده است. بر این اساس زمان تماس، غلظت آلاینده، میزان کاتالیزور (tio2)و ph به عنوان متغیر در نظر گرفته شده است و میزان باقی مانده آلاینده به عنوان خروجی در نظر گرفته می¬شود. تعداد داده¬های آزمایشگاهی 96 داده است که 80% آن برای آموزش شبکه عصبی bp و 20% آن برای تست در نظر گرفته شده است. در انتها با مقایسه این روش¬ها، میبینیم الگوریتم پرندگان علاوه بر ارائه یک رابطه دقیق، میزان خطای برنامه نیز در حدود 16-10 می¬باشد. پس از آن شبکه نروفازی با خطای 6-10و سپس شبکه عصبی bp که با استفاده از رابطه mse به میزان خطای 0778/0 رسیده است. در مدلسازی شبکه عصبی bp به دلیل عدم توانایی در نمایش نمودارهای غیر خطی ضریب همبستگی با یک فاصله دارد. بهترین جواب در بین 20000 بار تکرار پس از 1543 بار تکرار به میزان خطای 0.15336 می¬رسد. در شبکه نروفازی میانگین خطای بدست آمده در پایان بیستمین تکرار6-10×6136/7 است. میزان خطا در این روش بین5-10×985/1در ورودی 49 و8-10×0563/9در ورودی 48 است. نتایج نشان می¬دهد که با توجه به الگوریتم مورد استفاده رابطه نهایی ارائه شده یک پنچ جمله¬ای است که خطای آن در حدود 16-10 می¬باشد.