مدل سازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی

مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار matlab 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلاب شهری با غلظت مواد جامد محلول (mlss) بالا استفاده شده است. 2/3 از داده های تجربی جهت ساخت شبکه، آموزش و ارزیابی شبکه استفاده گردید، سپس شبکه طراحی شده جهت تخمین نفوذپذیری 1/3 از داده ها و همچنین سیستم بیوراکتور غشایی مشابه دیگر مورد استفاده قرار گرفت.جهت آموزش شبکه الگوریتم trainlm اعمال شده است. مقدار ضریب تعیین (r^2) جهت پیش بینی نفوذپذیری برای 1/3از داده های سیستم اول 0/93 و در مورد سیستم مشابه 0/92 می باشد.