چکیده مقاله
در این پژوهش، مدل سازی مصرف آب جبرانی در سیستم های خنک کننده گردشی صنعتی با استفاده از شبکه های عصبی مصنوعی ANN و به کارگیری تحلیل مولفه های اصلی PCA برای کاهش چندخطی بودگی و انتخاب ویژگی های موثر انجام شده است داده های مورد استفاده از یک واحد صنعتی مطابق با استاندارد ISO ۴۶۰۰۱:۲۰۱۹ جمع آوری شده اند پیش پردازش داده ها شامل حذف نقاط پرت با روش های Z score و IQR و نرمال سازی min max بوده است مدل های ANN با ساختار MLP و الگوریتم آموزش لونبرگ مارکوارت توسعه داده شدند و عملکرد آن ها با معیارهای R² و MSE ارزیابی گردید نتایج نشان داد که مدل های توسعه یافته قادرند مصرف آب جبرانی را با دقت بالا R² > ۰ ۹۸ و MSE < ۰ ۰۲ پیش بینی کنند همچنین، تحلیل وزن های شبکه و بارهای مولفه های اصلی، نقش پارامترهایی مانند EC، pH، درصد هدررفت Drift ، و میزان تخلیه Blowdown را در تعیین مصرف آب جبرانی به وضوح آشکار ساخت این مدل ها می توانند به عنوان ابزاری کارآمد در مدیریت بهینه منابع آب در صنایع مورد استفاده قرار گیرند
کلیدواژهها
نویسندگان
سید مجید آیت
کارشناس دفتر فنی انرژی و سیالات فولاد سبا، مجتمع فولاد و نورد پیوسته سبا
یحیی محمدشریفی
کارشناس دفتر فنی انرژی و سیالات فولاد سبا، مجتمع فولاد و نورد پیوسته سبا
وحید شجراوی
کارشناس دفتر فنی انرژی و سیالات فولاد سبا، مجتمع فولاد و نورد پیوسته سبا
شیوه ارجاع
�یت، سید مجید و محمدشریفی، یحیی و شجراوی، وحید،1404،توسعه مدلی مناسب بر مبنای شبکه عصبی مصنوعی برای پیشبینی مصارف آب سیکلهای آب گردشی (مطالعه موردی صنایع فولادی)،سومین همایش ملی مدیریت کیفیت آب و پنجمین همایش ملی مدیریت مصرف آب با رویکرد کاهش هدررفت و بازیافت،تهران
ارائهشده در
مجموعه مقالات سومین همایش ملی مدیریت کیفیت آب و پنجمین همایش ملی مدیریت مصرف آب با رویکرد کاهش هدررفت و بازیافت11 آذر 1404 · تهران