فایل ورد مدلسازي فرآيند انعقاد و لخته سازي به وسيله روش هاي استنتاج عصبي- فازي تطبيقي، شبکه هاي عصبي مصنوعي و رگرسيون فازي

لینک دانلود

 فایل ورد مدلسازي فرآيند انعقاد و لخته سازي به وسيله روش هاي استنتاج عصبي- فازي تطبيقي، شبکه هاي عصبي مصنوعي و رگرسيون فازي دارای 17 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد فایل ورد مدلسازي فرآيند انعقاد و لخته سازي به وسيله روش هاي استنتاج عصبي- فازي تطبيقي، شبکه هاي عصبي مصنوعي و رگرسيون فازي  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل ورد مي باشد و در فايل اصلي فایل ورد مدلسازي فرآيند انعقاد و لخته سازي به وسيله روش هاي استنتاج عصبي- فازي تطبيقي، شبکه هاي عصبي مصنوعي و رگرسيون فازي،به هيچ وجه بهم ريختگي وجود ندارد


بخشی از متن فایل ورد مدلسازي فرآيند انعقاد و لخته سازي به وسيله روش هاي استنتاج عصبي- فازي تطبيقي، شبکه هاي عصبي مصنوعي و رگرسيون فازي :


سال انتشار : 1395

نام کنفرانس، همایش یا نشریه : مهندسي عمران (فني و مهندسي مدرس)

تعداد صفحات :17

فرایند انعقاد و لخته سازی یکی از فرایندهای اصلی در تصفیه آب است. تاثیر پارامترهای مختلف بر این فرایند همواره یک بحث اساسی در راهبری تصفیه خانه های آب بوده و سال های مختلف از آزمایش جار برای این منظور استفاده شده است. در این مطالعه از سیستم استنتاج عصبی- فازی تطبیقی (ANFIS)، شبکه های عصبی مصنوعی (دو مدل پیشخور و پایه شعاعی) و تحلیل رگرسیون فازی برای پیش بینی میزان نهایی کدورت پس از فرآیند انعقاد و لخته سازی در تصفیه خانه های آب 3 و 4 تهران استفاده شد. پارامترهای بکار رفته در مدلسازی کیفیت آب خروجی شامل نوع منعقدکننده (انواع پلی آلومینیوم کلراید (PAC))، غلظت منعقدکننده، کدورت ورودی و pH آب خام بوده است. نتایج نشان داد که شبکه های عصبی مصنوعی و تحلیل رگرسیون فازی نسبت به سیستم استنتاج عصبی- فازی تطبیقی توانایی بالاتری در پیش بینی راندمان حذف کدورت در شرایط مختلف آزمایشگاهی داشته و قابل جایگزینی با روش های زمان بر و هزینه بر مانند آزمایش جار است. بهترین شبکه ساخته شده برای پیش بینی کدورت آب تصفیه شده در این مطالعه، شبکه پیشخور با دو لایه مخفی و تعداد 6 و 8 نرون و توابع انتقال Tansig و Purelin به ترتیب در لایه های اول و دوم، با استفاده از داده های نرمال شده و با اصلاح تابع کارایی بوده است. این شبکه موفق به پیش بینی فرایند انعقاد با ضریب همبستگی 0.96، شاخص تطابق 0.99 و مجذور میانگین مربعات خطای 0.0106 شد. بهترین راندمان سیستم در شرایط بهره برداری با کدورت اولیه 160NTU، pH معادل 8، منعقد کننده PAC نوع I با دوز 19 mg/L و با راندمان 99.5 درصد تعیین شد.
كلید واژه: تصفیه آب، انعقاد و لخته سازی، شبکه های عصبی مصنوعی، استنتاج عصبی- فازی تطبیقی، رگرسیون فازی

توضیحات بیشتر