| طراحی و بهینه‌سازی چندهدفه سیستم استنتاج عصبی‌ـ‌فازی تطبیقی (ANFIS) برای پیش‌بینی کربن آلی کل در فرایند تصفیه آب آشامیدنی |
| کد مقاله : 1628-IWWA |
| نویسندگان |
|
زینب محمودزاده جیردهی *1، الهیار داغبندان2، محمد اکبری زاده3 1دانشجوی کارشناسی ارشد گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه گیلان 2دانشیار گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه گیلان 3سرپرست واحد فرآیند تصفیه‌خانه بزرگ گیلان، رشت |
| چکیده مقاله |
| پیش‌بینی غلظت کربن آلی کل (TOC) در فرایند تصفیه آب آشامیدنی، به دلیل ارتباط آن با کیفیت آب خام، شرایط عملیاتی و عملکرد فرایند تصفیه، نقش مؤثری در پایش تصفیه‌خانه و پشتیبانی از تصمیم‌گیری‌های بهره‌برداری دارد. در این پژوهش، عملکرد سیستم استنتاج عصبی‌ـ‌فازی تطبیقی (ANFIS) برای پیش‌بینی غلظت نهایی TOC در تصفیه‌خانه آب آشامیدنی گیلان بررسی شد. بدین منظور، ۴۸ مشاهده عملیاتی شامل ۱۲ متغیر ورودی و یک متغیر خروجی گردآوری شد. متغیرهای ورودی شامل دبی، کلروفریک (کلرید آهن ІІІ)، پلی‌الکترولیت، کدورت، دما، pH، هدایت الکتریکی، کل مواد جامد محلول، رنگ، کلر اولیه، کلر ثانویه و TOC اولیه بودند. برای هر متغیر ورودی، دو تابع عضویت گاوسی تعریف شد. همچنین، به‌منظور بهینه‌سازی هم‌زمان عملکرد مدل در مجموعه‌های آموزش و پیش‌بینی، از الگوریتم ژنتیک چندهدفه با دو تابع هدف مبتنی بر خطای این مجموعه‌ها استفاده شد. داده‌ها با نسبت ۷۰ به ۳۰ به دو مجموعه آموزش و پیش‌بینی تقسیم شدند. نتایج نشان داد که مقادیر MSE و RMSE در مجموعه آموزش به‌ترتیب 0001/0 و 0101/0 و در مجموعه پیش‌بینی به‌ترتیب 0041/0 و 0644/0 بود. ضریب تعیین نیز در مجموعه‌های آموزش و پیش‌بینی به‌ترتیب 9994/0 و 9772/0 به دست آمد. تحلیل همبستگی پیرسون نشان داد که TOC اولیه بیشترین همبستگی خطی مثبت را با TOC نهایی دارد. با وجود عملکرد مطلوب مدل، محدودیت تعداد مشاهدات و پیچیدگی ساختار فازی، ضرورت اعتبارسنجی مستقل و بررسی حساسیت نتایج را برای تعمیم مدل به سایر شرایط بهره‌برداری برجسته می‌کند. |
| کلیدواژه ها |
| کربن آلی کل، تصفیه آب آشامیدنی، سیستم استنتاج عصبی‌ـ‌فازی تطبیقی، الگوریتم ژنتیک چندهدفه، مدل‌سازی کیفیت آب. |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
