مدل سازی یک بیورآکتورغشایی به منظور تصفیه فاضلاب توسط شبکه عصبی مصنوعی

پایان نامه
چکیده

کنترل و بهره برداری مناسب از تصفیه خانه های فاضلاب، با توجه به کمبود منابع آب در دنیا و افزایش حجم فاضلاب ها، ضروری است. مدلسازی فرآیند تصفیه، ابزاری ضروری برای اطمینان از عملکرد مناسب و کنترل بهتر تصفیه خانه های فاضلاب می باشند. هدف از این تحقیق مدلسازی شبکه عصبی مصنوعی از عملکرد یک بیورآکتور غشایی تصفیه فاضلاب و انتخاب مناسب ترین شرایط عملیاتی می باشد. بدین منظور از داده های آزمایشگاهی مربوط به یک پایلوت بیوراکتور غشایی استفاده شده است. در طراحی شبکه، از دو سوم داده ها برای آموزش شبکه و یک سوم داده ها برای ارزیابی دقت مدلسازی استفاده گردید. به منظور آموزش شبکه، تعداد بهینه نورون های لایه میانی و توابع انتقال مناسب انتخاب شدند. در تعداد نورون های بهینه 20 و تابع انتقال satlins برای لایه پنهان و purelin برای لایه خروجی، کمترین میزان خطا مشاهده شد. نتایج مدلسازی بیانگر آن است که تطابق بسیار خوبی بین داده های آزمایشگاهی و نتایج مدلسازی برقرار است که این نشان دهنده آموزش مناسب شبکه می باشد. واژه های کلیدی: فاضلاب- مدلسازی- شبکه عصبی مصنوعی- بیورآکتور غشایی

منابع مشابه

تصفیه بیولوژیکی فاضلاب بهداشتی در یک رآکتور ناپیوسته متوالی (SBR) توسط ریزجلبک کلرلا ولگاریس: تاثیر پارامترهای عملیاتی و مدل سازی شبکه عصبی مصنوعی

در این تحقیق با ساخت یک پایلوت رآکتور ناپیوسته متوالی و استفاده توامان از میکروارگانیسم ها و ریزجلبک کلرلا ولگاریس، کارایی این سیستم در تصفیه فاضلاب بهداشتی نیروگاه سیکل ترکیبی یزد مورد مطالعه قرار گرفت. بدین منظور اثر pH، دما، غلظت COD در فاضلاب ورودی و دبی هوا بر میزان حذف COD و غلظت باقیمانده آن در پساب بررسی گردید. شرایط بهینه برای حذف COD از فاضلاب بهداشتی در pH برابر 8، دمای oC 30، COD فا...

متن کامل

مدل سازی پروسه لجن فعال در تصفیه خانه فاضلاب، به وسیله شبکه عصبی مصنوعی

فرآیند لجن فعال یکی از روش های بیولوژیک هوازی برای تصفیه فاضلاب شهری و صنعتی است . کنترل میزان لجن برگشتی یکی از مهم ترین پارامترهای بهره برداری از تصفیه خانه های فاضلاب به روش لجن فعال می باشد. بین پارامترهای مختلف فاضلاب و لجن برگشتی ارتباط علت و معلولی پیچیده و غیر خطی وجود دارد و انجام آزمایش های مربوطه برای تعیین میزان لجن برگشتی بسیار زمان بر و پر هزینه است. شبکه های عصبی مصنوعی دارای مزا...

15 صفحه اول

کاربرد شبکه های عصبی مصنوعی در مدل سازی احیاء فتوکاتالیزوری Cr(VI) توسط نانوذرات تیتانیوم دی‌ اکسید: بهینه‌سازی ساختار شبکه عصبی مصنوعی

Background and Objective: Chromium is present in two oxidation forms of Cr(III) and Cr(VI). Cr(III) is less toxic than Cr(VI). The aim of this article was to optimize an artificial neural network structure in modeling the photocatalytic reduction of Cr(VI) by TiO2-P25 nanoparticles. Materials and Methods: In this work, an artificial neural network (ANN) for the modeling photocatalytic reductio...

متن کامل

مدل سازی فرآیند خشک کردن بادمجان توسط سامانه مادون قرمز به روش الگوریتم ژنتیک-شبکه عصبی مصنوعی

در این مطالعه رفتار خشک‌کردن لایه‌نازک ورقه‌های بادمجان در یک خشک‌کن مادون‌قرمز (IR) بررسی گردید. اثر توان لامپ مادون‌قرمز (150، 250 و 375 وات)، فاصله نمونه از لامپ (5، 10 و 15 سانتی‌متر)، ضخامت نمونه‌ها (5/0 و 1 سانتی‌متر) و زمان خشک‌کردن بر خشک شدن ورقه‌های بادمجان موردبررسی قرار گرفت. نتایج خشک‌کردن بادمجان به روش مادون‌قرمز نشان‌داد با افزایش توان لامپ و کاهش فاصله نمونه‌ها از منبع حرارتی، ...

متن کامل

منابع 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 پیام نور - دانشگاه پیام نور استان تهران - دانشکده مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023