|
|
مدل سازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی
|
|
|
|
|
نویسنده
|
محسنی دنیز ,همتی محمود
|
منبع
|
فرآيند نو - 1396 - شماره : 58 - صفحه:57 -69
|
|
|
چکیده
|
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.
|
کلیدواژه
|
بیوراکتور غشایی، فرایند فیلتراسیون، مقاومتهای سری، شبکه عصبی، نفوذپذیری
|
آدرس
|
دانشگاه آزاد اسلامی واحد تهران جنوب, گروه مهندسی شیمی, ایران, پژوهشگاه صنعت نفت, پژوهشکده علوم و تکنولوژی پلیمر, ایران
|
پست الکترونیکی
|
hemmatim@ripi.ir
|
|
|
|
|
|
|
|
|
Modeling of permeability of membrane bioreactor system using artificial neural network
|
|
|
Authors
|
Mohseni Deniz ,Hemmati Mahmood
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|