| توسعه مدلی مناسب بر مبنای شبکه عصبی مصنوعی برای پیش بینی مصارف آب سیکلهای آب گردشی )مطالعه موردی صنایع فوالدی( |
| کد مقاله : 1383-IWWA |
| نویسندگان |
|
سیدمجید آیت * فولاد و نورد پیوسته سبا |
| چکیده مقاله |
| در این پژوهش، مدل‌سازی مصرف آب جبرانی در سیستم‌های خنک‌کننده گردشی صنعتی با استفاده از شبکه‌های عصبی مصنوعی (ANN) و به‌کارگیری تحلیل مؤلفه‌های اصلی (PCA) برای کاهش چندخطی‌بودگی و انتخاب ویژگی‌های مؤثر انجام شده است. داده‌های مورد استفاده از یک واحد صنعتی مطابق با استاندارد ISO 46001:2019 جمع‌آوری شده‌اند. پیش‌پردازش داده‌ها شامل حذف نقاط پرت با روش‌های Z-score و IQR و نرمال‌سازی min-max بوده است. مدل‌های ANN با ساختار MLP و الگوریتم آموزش لونبرگ-مارکوارت توسعه داده شدند و عملکرد آن‌ها با معیارهای R² و MSE ارزیابی گردید. نتایج نشان داد که مدل‌های توسعه‌یافته قادرند مصرف آب جبرانی را با دقت بالا (R² > 0.98 و MSE < 0.02) پیش‌بینی کنند. همچنین، تحلیل وزن‌های شبکه و بارهای مؤلفه‌های اصلی، نقش پارامترهایی مانند EC، pH، درصد هدررفت (Drift)، و میزان تخلیه(Blowdown) را در تعیین مصرف آب جبرانی به‌وضوح آشکار ساخت. این مدل‌ها می‌توانند به‌عنوان ابزاری کارآمد در مدیریت بهینه منابع آب در صنایع مورد استفاده قرار گیرند. |
| کلیدواژه ها |
| سیستم خنک‌کننده گردشی، مصرف آب جبرانی، شبکه عصبی مصنوعی، تحلیل مؤلفه‌های اصلی، مدیریت آب صنعتی، ISO 46001 |
| وضعیت: پذیرفته شده برای ارائه شفاهی |
