این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آب و فاضلاب، جلد ۲۵، شماره ۴، صفحات ۹۹-۱۰۷
عنوان فارسی پیش‌بینی نرخ برگشت لجن با استفاده از شبکه‌های عصبی مصنوعی، مطالعه موردی: تصفیه‌خانه فاضلاب تربت حیدریه
چکیده فارسی مقاله بین پارامترهای مختلف کمّی و کیفی فاضلاب و میزان لجن برگشتی مورد نیاز، که یکی از مهم‌ترین پارامترهای بهره برداری از تصفیه‌خانه‌های فاضلاب به‌روش لجن فعال است، ارتباط علت و معلولی پیچیده و غیر خطی وجود دارد. همچنین شبکه‌های عصبی مصنوعی دارای مزایایی از قبیل قدرت یافتن روابط علت و معلولی پیچیده و غیر خطی توسط ابزارهای محاسباتی ساده ریاضی، داشتن قدرت تعمیم بالا و همچنین سرعت بالا در مرحله آزمایش‌اند و می‌توانند به‌صورت یک ابزار نرم‌افزاری در بهره‌برداری از تصفیه‌خانه فاضلاب مورد استفاده قرار گیرند. در این پژوهش میزان لجن برگشتی در تصفیه‌خانه فاضلاب شهر تربت حیدریه با استفاده از شبکه عصبی مصنوعی و با توجه به داده‌های ورودی یک‌ساله مورد بررسی قرار گرفت. پارامترهای مختلف تأثیر‌گذار در میزان لجن برگشتی از قبیل دبی و دمای فاضلاب ورودی، TSS، BOD5، COD ورودی و خروجی، غلظت لجن برگشتی، غلظت مواد معلق مایع مخلوط و همچنین میزان لجن فعال جمع‌آوری شده، به شبکه‌های عصبی MLP و RBF اعمال شد. نتایج این مطالعه نشان داد که شبکه عصبی مصنوعی M‏LP می‌تواند با دقت بیش از 93 درصد میزان لجن برگشتی مورد نیاز در سیستم‌های متداول بیولوژیکی تصفیه فاضلاب به‌روش هوادهی گسترده را پیش‌بینی نماید.
کلیدواژه‌های فارسی مقاله تصفیه فاضلاب، شبکه عصبی مصنوعی، لجن فعال برگشتی،
عنوان انگلیسی Using Artificial Neural Networks to Estimate the Return Sludge Rate, A Case Study of Torbat Heydarieh Wastewater Treatment Plant
چکیده انگلیسی مقاله There are complex and nonlinear causal relationships among the different quality and quantity parameters of wastewater and return activated sludge, which is one of the most important parameters in the operation of activated sludge wastewater treatment plants. On the other hand, Artificial Neural Networks (ANNs) have advantages such as the ability to identify and extract complex and nonlinear causal relations using simple mathematical formulas, high generalizing power , and high speed that make them capable of being used as a powerful software in the operation of wastewater treatment plants. In this study, the application of artificial neural networks (ANNs) for determining the amount of return activated sludge in Torbat Heydarieh wastewater treatment plant is investigated based on one-year inlet flow data. The different parameters involved in this process such as inlet flow and temperature, inlet and outlet total suspended solids, inlet and outlet BOD5 and COD, MLSS, and the amount of return activated sludge were collected and applied to MLP and RBF artificial neural networks (ANNs). Results showed thatMLP is capable of estimating the return activated sludge required in conventional biological wastewater treatment systems such as extended aeration and that its estimation accuracy is above 93%.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فتح الله غلامی بروجنی | gholami borujeni
استادیار گروه بهداشت محیط دانشکده بهداشت دانشگاه علوم پزشکی ارومیه
سازمان اصلی تایید شده: دانشگاه علوم پزشکی ارومیه (Urmia university of medical sciences)

رضا ابراهیم پور |
استادیارگروه الکترونیک دانشکده مهندسی برق وکامپیوتر دانشگاه تربیت دبیر شهید رجایی
سازمان اصلی تایید شده: دانشگاه تربیت دبیر شهید رجایی (Shahid rajaee teacher training university)

امیر حسن امیری فرد | amir hassan
دانشکده مهندسی برق و کامپیوتر دانشگاه تربیت دبیر شهید رجایی تهران
سازمان اصلی تایید شده: دانشگاه تربیت دبیر شهید رجایی (Shahid rajaee teacher training university)

نشانی اینترنتی http://www.wwjournal.ir/article_6031_08204e588223f1a6a380691c9d1d37dc.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