مقاله

پیش بینی غلظت آمونیوم و مواد آلی فاضلاب دفنگاه زباله با استفاده از شبکه عصبی مصنوعی

محمدجواد ذوقی، تکتم ذوقی، محسن سعیدی

چکیده

در این تحقیق به منظور پیش بینی میزان غلظت مواد آلی و آمونیوم موجود در فاضلاب دفنگاه زباله با استفاده از شبکه عصبی مصنوعی، دو سیستم در آزمایشگاه مدل شد. برای آموزش و تست مدل شبکه عصبی، از نتایج آزمایشگاهی به دست آمده استفاده شد. سیستم 1، فقط شامل راکتور حاوی زباله تازه بود. در این سیستم فاضلاب پس از تولید، بر روی زباله تازه بازگردانده می شد. سیستم 2، شامل راکتور حاوی زباله تازه و راکتوری حاوی زباله خوب تجزیه شده بود. در این سیستم، فاضلاب پس از خروج از زباله تازه بر روی راکتور حاوی زباله خوب تجزیه شده، تخلیه و سپس بر روی زباله تازه بازگردانده می شد. نتایج آزمایشگاهی نشان داد که در سیستم 1، انباشتگی مواد آلی و nh4+-n رخ داد، اما حذف مواد آلی و nh4+-n در سیستم 2 به خوبی صورت گرفت به طوری که در طول مدت آزمایش، میانگین راندمان حذف مواد آلی در سیستم 2، معادل 85 درصد و میانگین راندمان حذف nh4+-n معادل 34 درصد بود. همچنین پیش بینی میزان غلظت مواد آلی و nh4+-n به وسیله شبکه عصبی مصنوعی، با توجه به شاخصهای آماری با کارایی بالایی صورت گرفت.

اسناد مشابه

  • پیش‌بینی غلظت آمونیوم و مواد آلی فاضلاب دفنگاه زباله با استفاده از شبکه عصبی مصنوعی

    مقاله۲۰۱۰آب و فاضلابمحمدجواد ذوقی، تکتم ذوقی، محسن سعیدی

    در این تحقیق به‌منظور پیش‌بینی میزان غلظت مواد آلی و آمونیوم موجود در فاضلاب دفنگاه زباله با استفاده از شبکه عصبی مصنوعی، دو سیستم در آزمایشگاه مدل شد. برای آموزش و تست مدل شبکه عصبی، از نتایج آزمایشگاهی به‌دست آمده استفاده شد. سیستم 1، فقط شامل راکتور حاوی زباله تازه بود. در این

  • پیش بینی غلظت آلاینده های گازی در هوای شهر تبریز با استفاده از شبکه عصبی

    مقالهمهندسی عمران و محیط زیست دانشگاه تبریزناهیده محمدی، کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی تبریز خالد ظروفچی بنیس، دانشکده مهندسی شیمی، مرکز تحقیقات مهندسی محیط زیست، دانشگاه صنعتی سهند محمد شاکر خطیبی، گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تبریز اسماعیل فاتحی فر

    آلودگی هوا به عنوان یک چالش مهم در شهرهای بزرگ مطرح می­باشد که در نتیجه صنعتی شدن، گسترش شهرنشینی، رشد سریع ترافیک و افزایش فعالیت­های انسان تشدید شده است. آلاینده­های هوا باعث بروز اثرات منفی بر سلامت انسان و تخریب محیط زیست شده لذا آگاهی از غلظت آلاینده­ها می­تواند به عنوان اطل

  • حذف نیتروژن و مواد آلی فاضلاب مراکز دفن زباله، با استفاده از بازچرخش فاضلاب و فرایند بی هوازی

    مقاله۲۰۱۱فصلنامه علوم و تکنولوژی محیط زیستمحمد جواد ذوقی، محسن سعیدی

    یکی از روش های معمول در تصفیه فاضلاب مراکز دفن زباله، استفاده مجدد از فاضلاب بر روی مراکز دفن زباله است. در این روش، طی فرایند بی هوازی، مواد آلی فاضلاب حذف می شود. در این مطالعه دو سیستم مورد بررسی قرار گرفت. سیستم یک، که فقط شامل راکتور حاوی زباله تازه است، در این سیستم فاضلاب

  • حذف نیتروژن و مواد آلی فاضلاب مراکز دفن زباله، با استفاده از بازچرخش فاضلاب و فرایند بی هوازی

    مقاله۲۰۱۱علوم و تکنولوژی محیط زیستمحسن سعیدی، محمد جواد ذوقی

    یکی از روش های معمول در تصفیه فاضلاب مراکز دفن زباله، استفاده مجدد از فاضلاب بر روی مراکز دفن زباله است. در این روش، طی فرایند بی هوازی، مواد آلی فاضلاب حذف می شود. در این مطالعه دو سیستم مورد بررسی قرار گرفت. سیستم یک، که فقط شامل راکتور حاوی زباله تازه است، در این سیستم فاضلاب

  • مقایسة دو روش مدل سازی با استفاده از شبکة عصبی- فازی در پیش بینی غلظت آلایندة مونوکسید کربن

    مقاله۲۰۱۳محیط شناسیالهه خزاعی، علی اصغر آل شیخ، محمد کریمی، محمد حسن وحیدنیا

    پایش و پیش بینی مشخصه های کیفیت هوا در مناطق شهری یکی از چالش های محیط زیست انسانی محسوب می شود. این مهم وابسته به عوامل متعددی مانند توپوگرافی، اقلیم، جمعیت و شبکة حمل و نقل است که نحوة تعامل این عوامل مکانی به عنوان پدیده ای دینامیک، غیر خطی و دارای ابهام عنوان شده است. در این

  • پیش‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎بینی بقای بیماران مبتلا به سرطان پستان با استفاده از دو مدل رگرسیون لجستیک و شبکه عصبی مصنوعی

    مقالهمجله اپیدمیولوژی ایرانآذر اسد آبادی، a asadabadi msc, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranکارشناس ارشد آمار زیستی، گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران عباس بهرامپور، a bahrampour professor, phd, modeling of health research center, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranاستاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران علی اکبر حقدوست، aa haghdoost associate professor, phd, modeling of health research center, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranاستاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران

    مقدمه و اهداف: در سال‎های اخیر، توجه قابل ملاحظه‎ای به مدل‎های آماری برای طبقه‎بندی داده‎های پزشکی با توجه به بیماری‎های مختلف و پیامدهای آن‎ها شده است. شبکه‎های عصبی مصنوعی به دلیل عدم نیاز به پیش فرض با موفقیت برای تشخیص الگو و پیش‎بینی در برخی از مطالعه های بالینی استفاده شده‎