طراحی ساختارهای ANFIS و شبکه‌های عصبی GMDH برای پیش‌بینی میزان بهینه مصرف ماده منعقدکننده در فرایند تصفیه آب، مطالعه موردی: تصفیه‌خانه بزرگ آب گیلان

در این مطالعه با توجه به اهمیت منابع سطحی در تامین آب شرب و لزوم استفاده از مواد شیمیایی گوناگون در مراحل مختلف تصفیه این گونه آب‌ها، میزان مصرف مواد منعقد کننده در فرایند تصفیه آب مورد بررسی قرار گرفت. یکی از مهم‌ترین قسمت‌های فرایند تصفیه آب، مربوط به میزان مصرف مواد منعقدکننده در واحد انعقاد و لخته‌سازی است. در تصفیه‌خانه، برای تعیین نوع و غلظت منعقدکننده مناسب، از آزمایش جار استفاده می‌شود. این آزمایش وقت‌گیر و همراه با خطا است و نمی‌توان زیاد به نتایج آن استناد کرد. برای رفع این مشکل می‌توان از روش‌های هوشمند استفاده کرد. در این تحقیق داده‌های آزمایشگاهی سال 91-1390 پس از جمع‌آوری و پالایش، مورد مطالعه قرار گرفتند. با بهره‌گیری از سیستم استنتاج فازی-عصبی تطبیقی (anfis) و شبکه‌های عصبی نوع gmdh و با استفاده از نتایج تجربی به‌منظور دستیابی به مقدار بهینه مصرفی منعقدکننده پلی‌آلومینیوم کلراید در تصفیه‌خانه رشت، دو مدل غیرخطی ارائه شد.اثر پارامترهای ورودی شامل دما، ph، کدورت، جامدات معلق، هدایت الکتریکی و رنگ بر میزان مصرف منعقدکننده بررسی شد. نتایج نشان داد مدل anfis نسبت به مدل gmdh کارایی بهتری برای پیش‌بینی میزان مصرف منعقدکننده پلی آلومینیوم کلراید دارد.