پیش‌بینی غلظت آمونیوم و مواد آلی فاضلاب دفنگاه زباله با استفاده از شبکه عصبی مصنوعی

Authors

  • تکتم ذوقی دانش‌آموخته کارشناسی ارشد هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه شیراز
  • محسن سعیدی دانشیار گروه آب و محیط زیست، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران
  • محمدجواد ذوقی کارشناس ارشد محیط زیست، عضو هیئت علمی پژوهشکده محیط زیست جهاد دانشگاهی، رشت
Abstract:

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 زباله خوب تجزیه شده بود. در این سیستم، فاضلاب پس از خروج از زباله تازه بر روی راکتور حاوی زباله خوب تجزیه شده، تخلیه و سپس بر روی زباله تازه بازگردانده می‌شد. نتایج آزمایشگاهی نشان داد که در سیستم 1، انباشتگی مواد آلی و NH4+-N رخ داد، اما حذف مواد آلی و NH4+-N در سیستم 2 به‌خوبی صورت گرفت به‌طوری که در طول مدت آزمایش، میانگین راندمان حذف مواد آلی در سیستم 2، معادل 85 درصد و میانگین راندمان حذف NH4+-N معادل 34 درصد بود. همچنین پیش‌بینی میزان غلظت مواد آلی و NH4+-N به‌وسیله شبکه عصبی مصنوعی، با توجه به شاخصهای آماری با کارایی بالایی صورت گرفت.  

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی غلظت آمونیوم و مواد آلی فاضلاب دفنگاه زباله با استفاده از شبکه عصبی مصنوعی

در این تحقیق به منظور پیش بینی 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 به دست آمده استفاده شد. سیستم 1، فقط شامل راکتور حاوی زباله تازه بود. در این سیستم فاضلاب پس از تولید، بر روی زباله تازه بازگردانده می شد. سیستم 2، شامل راکتور حاوی زباله تازه و راکتوری حاوی زب...

full text

حذف نیتروژن و مواد آلی فاضلاب مراکز دفن زباله، با استفاده از بازچرخش فاضلاب و فرایند بی هوازی

یکی از روش های معمول در تصفیه فاضلاب مراکز دفن زباله، استفاده مجدد از فاضلاب بر روی مراکز دفن زباله است. در این روش، طی فرایند بی هوازی، مواد آلی فاضلاب حذف می شود. در این مطالعه دو سیستم مورد بررسی قرار گرفت. سیستم یک، که فقط شامل راکتور حاوی زباله تازه است، در این سیستم فاضلاب پس از تولید بر روی زباله تازه بازگردانده می شود. سیستم دو، شامل راکتور حاوی زباله تازه و راکتوری حاوی زباله خوب تجزیه...

full text

برآورد 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 text

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

پیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی

پیش‌بینی محل وقوع زلزله‌های آتی همراه با تعیین درصد احتمال رخداد، می‌تواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محل‌های پیش‌بینی شده، سبب افزایش توجه به طراحی، به‌سازی لرزه­ای و ارزیابی قابلیت اعتمادپذیری سازه‌های موجود در این مکان‌ها می‌شود. در پیش‌بینی زمان وقوع زلزله فرضیه‌ها و نظریه‌های گسترده‌ای مطرح است. هنوز شیوه‌ای دقیق برای پیش‌بینی زمان رخداد زلزله‌های آتی مورد تأیید ق...

full text

پیش‌بینی حلالیت اکسیژن در حلال های آلی با استفاده از شبکه عصبی مصنوعی

در این مقاله یک شبکه عصبی مصنوعی برای محاسبه حلالیت اکسیژن در حلال‌های آلی مورد بررسی قرار گرفته است. حلال‌های بررسی شده شامل متانول، پروپانول، اکتان، تولوئن، دی اتیل اتر و 2-متیل تترا هیدروفورن هستند. داده‌ها برای بازه وسیعی از دما (K29/348 – 2/298) و فشار (MPa2338/9 - 0535/0) بررسی شده‌اند. ورودی‌های شبکه عصبی شامل جرم مولکولی، ضریب اسنتریک، دما...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 21  issue 2

pages  52- 60

publication date 2010-06-01

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

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023