این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آب و فاضلاب، جلد ۲۵، شماره ۵، صفحات ۳۲-۴۱
عنوان فارسی طراحی ساختارهای ANFIS و شبکه‌های عصبی GMDH برای پیش‌بینی میزان بهینه مصرف ماده منعقدکننده در فرایند تصفیه آب، مطالعه موردی: تصفیه‌خانه بزرگ آب گیلان
چکیده فارسی مقاله 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. این آزمایش وقت‌گیر و همراه با خطا است و نمی‌توان زیاد به نتایج آن استناد کرد. برای رفع این مشکل می‌توان از روش‌های هوشمند استفاده کرد. در این تحقیق داده‌های آزمایشگاهی سال 91-1390 پس از جمع‌آوری و پالایش، مورد مطالعه قرار گرفتند. با بهره‌گیری از سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) و شبکه‌های عصبی نوع GMDH و با استفاده از نتایج تجربی به‌منظور دستیابی به مقدار بهینه مصرفی منعقدکننده پلی‌آلومینیوم کلراید در تصفیه‌خانه 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 پیش‌بینی میزان مصرف منعقدکننده پلی آلومینیوم کلراید دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Design of ANFIS Structures and GMDH Type-Neural Network for Prediction of Optimum Coagulant Dosage in Water Treatment Process Case Study: Great Water Treatment Plant in Guilan Province
چکیده انگلیسی مقاله Given the increasing importance of surface water bodies as supply sources of drinking water and regarding the requirement for using different chemicals at various stages of water treatment processes, it is essential to investigate coagulant consumption in water treatment plants. Determination of the required dosage of coagulants used in the coagulation and flocculation unit is one of the most important decisions in water treatment operations. For this purpose, the jar test is generally used to determine the type and concentration of suitable coagulants in a water treatment plant. However, the test is rather time-consuming and unreliable due to the inaccurate results it yields. Instead, intelligent methods can be employed to overcome this shortcoming of the jar test. In this study, experimental data were collected over the period from 2011 to 2012 and further refined for study. Two non-linear models based on adaptive neuro-fuzzy inference system (ANFIS) and GMDH-type neural networks were then developed and experimental results were used to determine the optimum poly-aluminium chloride dosage for use at Guilan water treatment plant. The effects of input parameters including temperature, pH, turbidity, suspended solids, electrical conductivity, and color were investigated on coagulant dosage. The ANFIS model was found to outperform the GMDH model in predicting the required poly-aluminium chloride dosage.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله الهیار داغبندان |
استادیار گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه گیلان
سازمان اصلی تایید شده: دانشگاه گیلان (Guilan university)

محمد اکبری زاده |
دانشجوی کارشناسی ارشد گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه گیلان
سازمان اصلی تایید شده: دانشگاه گیلان (Guilan university)

نشانی اینترنتی http://www.wwjournal.ir/article_5616_9787038a25b5e2bc71d0b4d3e7c5d003.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات