skip to Main Content

پیش‌بینی پارامترهای کیفیت پساب تصفیه‌خانه فاضلاب با استفاده از مدل منطق فازی ​

عنوان انگلیسی: Prediction of effluent quality parameters of a was
سال نشر: ۲۰۱۸
نویسنده: Ata Allah Nadiri,Sima Shokri,Frank T.-C. Tsai,Asghar Asghari Moghaddam
تعداد صفحه فارسی: ۲۵ – تعداد صفحه انگلیسی: ۱۱
دانشگاه: Department of Civil and Environmental Engineering, Louisiana State University, 3330B Patrick F. Taylor Hall, Baton Rouge, LA 70803, USA,Department of Earth Sciences, Faculty of Natural Sciences, University of Tabriz, 29 Bahman Boulevard, Tabriz, East Azerbaijan, Iran
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس

چکیده

تهیه استانداردهای کیفیت آب برای مصارف کشاورزی و صنعتی، گزینه مناسبی برای منطقه تبریز، آذربایجان شرقی، ایران به دلیل کمبود آب است. این مطالعه بر روی تصفیه‌خانه فاضلاب تبریز (TWWTP)تمرکز کرده و تصفیه پذیری آن را مورد بررسی قرار می‌دهد. این تحقیق یک مجموعه از مدل‌های منطق فازی (FL)را به عنوان جایگزین برای برای اجتناب از شبیه‌سازی فرآیندهای پیچیده فیزیکی، شیمیایی و بیولوژیکی پیشنهاد می‌کند. هر مدل FL، پارامترهای کیفیت آب را با استفاده از داده‌های کیفیت آب ورودی اندازه‌گیری می‌کند، مانند تقاضای اکسیژن بیوشیمیایی (BOD)، تقاضای اکسیژن شیمیایی (COD)، pH)، دما و کل جامدات معلق. این مطالعه به جای جستجوی بهترین مدل پیش‌بینی هیأت سرپرستی (SCFL) را به عنوان مدل پیش بینی برای کیفیت آب خروجی معرفی می‌کند. مدل SCFL از یک شبکه عصبی مصنوعی (ANN)برای ترکیب نتایج کیفیت آب پیش‌بینی‌شده از مدل‌های مختلف FL استفاده می‌کند. سه مدل FL از Takagi – Sugeno، Mamdani، و Larsen جانشین برای TWWTP هستند. در مقایسه با داده‌های تاریخی بر روی کیفیت آب خروجی، مدل‌های مختلف FL، میانگین قدرمطلق خطا (MAPE)برای BOD، COD و TSS

Abstract

Producing reclaimed water meeting water quality standards for agricultural and industrial demands is a viable option to the Tabriz area, East Azerbaijan, Iran, due to water scarcity. This study focuses on the Tabriz wastewater treatment plant (TWWTP) and investigates its treatability. This research proposes an ensemble of fuzzy logic (FL) models as surrogates for the TWWTP to avoid simulating complex physical, chemical, and biological treatment processes. Each FL model predicts water quality parameters of TWWTP using measured influent water quality data, such as biochemical oxygen demand (BOD), chemical oxygen demand (COD), pH, temperature, and total suspended solids. Instead of looking for the best FL forecasting model, this study introduces a supervised committee FL (SCFL) model as a predictive ensemble model for effluent water quality. The SCFL model uses an artificial neural network (ANN) to combine forecasted water quality results from individual FL models. Three FL models of Taka
امتیاز شما:
(No Ratings Yet)
Back To Top