چکیده مقاله
ترکیبات آلی فرار VOCs از مهمترین آلاینده های هوا در صنایع فرآیندی محسوب می شوند که اثرات نامطلوبی بر سلامت انسان و محیط زیست دارند اسکرابرها و بایوفیلترها به عنوان فناوری های رایج برای کنترل این آلاینده ها به طور گسترده مورد استفاده قرار می گیرند اما عملکرد آنها به شدت وابسته به شرایط عملیاتی و راهبری صحیح است هدف این پژوهش توسعه یک چارچوب کنترلی هوشمند مبتنی بر هوش مصنوعی برای پایش، پیش بینی و بهینه سازی عملکرد اسکرابرها و بایوفیلترها در حذف VOCs است در این مطالعه داده های عملیاتی شامل دبی جریان، دما، pH، غلظت ورودی آلاینده و افت فشار به عنوان ورودی مدل های یادگیری ماشین به کار گرفته شده اند مدل های یادگیری عمیق جهت پیش بینی راندمان حذف و تعیین شرایط بهینه بهره برداری توسعه یافته اند نتایج نشان می دهد استفاده از هوش مصنوعی موجب افزایش معنادار راندمان حذف آلاینده ها و کاهش مصرف انرژی نسبت به روش های کنترلی سنتی می شود این رویکرد می تواند گامی موثر در راستای توسعه فناوری های پاک و ارتقای پایداری صنعتی باشد
کلیدواژهها
نویسندگان
اشکان علی محمدی
مرکز پژوهش های علمی و فناوری دانشجویان دانشگاه علوم پزشکی تهران، SSRC دانشگاه علوم پزشکی تهران تهران ایران
محمد عرفان محمد دوست
مرکز پژوهش های علمی و فناوری دانشجویان دانشگاه علوم پزشکی تهران SSRC ، دانشگاه علوم پزشکی تهران تهران ایران
شیوه ارجاع
�لی محمدی، اشکان و محمد دوست، محمد عرفان،1404،توسعه سامانه های کنترل هوشمند اسکرابرها و بایوفیلترها مبتنی بر هوش مصنوعی برای کاهش انتشار ترکیبات آلی فرار (VOCs) در صنایع،کنفرانس بین المللی مدیریت آلودگی هوا،تهران
ارائهشده در
مجموعه مقالات بیستمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک25 بهمن 1404 · تهران