طراحی 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. این آزمایش وقت گیر و همراه با خطا است و نمی توان زیاد به نتایج آن استناد کرد. برای رفع این مشکل می توان از روش های هوشمند استفاده کرد. در این تحقیق داده های آزمایشگاهی سال 91-1390 پس از جمع آوری و پالایش، مورد مطالعه قرار گرفتند. با بهره گیری از سیستم استنتاج فازی-عصبی تطبیقی (anfis) و شبکه های عصبی نوع gmdh و با استفاده از نتایج تجربی به منظور دستیابی به مقدار بهینه مصرفی منعقدکننده پلی آلومینیوم کلراید در تصفیه خانه رشت، دو مدل غیرخطی ارائه شد.اثر پارامترهای ورودی شامل دما، ph، کدورت، جامدات معلق، هدایت الکتریکی و رنگ بر میزان مصرف منعقدکننده بررسی شد. نتایج نشان داد مدل anfis نسبت به مدل gmdh کارایی بهتری برای پیش بینی میزان مصرف منعقدکننده پلی آلومینیوم کلراید دارد.