چکیده مقاله
به منظور ارائه ابزاری برای پیشبینی عملکرد تصفیه فاضلاب و ایجاد مبنایی برای کنترل عملکرد فرایند، یک مدل قابل اعتماد برای هر تصفیه خانه فاضلاب ضروری است که منجر به کاهش هزینه های عملیات و ارزیابی پایداری تعادل زیستی میشود هدف از پژوهش انجام شده ارزیابی عملکرد انواع شبکه های عصبی در تخمین پارامترهای کیفی پساب فاضلاب خروجی با توجه به اطلاعات اندازه گیری شده میباشد در این راستا با انتخاب پارامترهایی مانند COD ، BOD، T ، pH، TS، TDS، TSS و VSS به استناد مقادیر ثبت شده در تصفیه خانه صاحبقرانیه تهران، فرآیند یادگیری با استفاده از سه نوع شبکه عصبی چندلایه MLP ، شبکه عصبی آبشاری پیشرو CFNN و شبکه عصبی شعاعی پایه ای RBF با ساختارهای مختلف صورت گرفته است پس از بررسی و مقایسه خروجی های اندازه گیری شده در تصفیه خانه با نتایج به دست آمده حاصل از آموزش شبکه های عصبی مشخص شد که شبکه CFNN با ساختار ۵ ۱۰ مناسب ترین معماری و توانمندترین الگو برای پیشبینی کلیه پارامترها در فرآیند تصفیه میباشد
کلیدواژهها
نویسندگان
الهام رجبی
استادیار، دانشکده مهندسی عمران، دانشگاه پیام نور
علی مکتبی
دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه پیام نور
شیوه ارجاع
�جبی، الهام و مکتبی، علی،1400،کاربرد شبکه های عصبی هوشمند MLP، RBF و CFNN در ارزیابی عملکرد تصفیه خانه فاضلاب (مطالعه موردی: تصفیه خانه صاحبقرانیه)،اولین همایش ملی مدیریت کیفیت آب و سومین همایش ملی مدیریت مصرف آب،تهران
ارائهشده در
مجموعه مقالات اولین همایش ملی مدیریت کیفیت آب و سومین همایش ملی مدیریت مصرف آب9 آذر 1400 · تهران