مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

46
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

30
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی تاثیرات شوک هیدرولیکی فاضلاب در رخدادهای غیرمترقبه با استفاده از ترکیب عملگر موجک و الگوریتم شبکه هوش مصنوعی

صفحات

 صفحه شروع 175 | صفحه پایان 184

چکیده

 با توجه به توسعه شهرنشینی و محدودیت منابع آب شیرین, اهمیت تصفیه فاضلاب و رفع آلودگی محیط زیست موردتوجه است. جریان فاضلاب ورودی می تواند به طور قابل توجهی طی پدیده های جوی یا رخدادهای تقویمی افزایش یابد که در نتیجه, ایجاد شوک هیدرولیکی و به تبع آن باعث از بین رفتن پروسه های بیولوژیکی تصفیه خانه ها شود. به طوری که این شوک های هیدرولیکی با کاهش زمان, ماند هیدرولیکی و زمان تصفیه کمتر میکروارگانیسم ها همراه است, پس مواد آلی سریع تر از سیستم خارج شده و راندمان تثبیت و حذف آلاینده ها به شدت کاهش می یابد. در این تحقیق از داده های روزانه تصفیه خانه زرگنده, از سال 1393 تا سال 1397 استفاده شد, داده های چهار سال اول برای آموزش و ارزیابی شبکه عصبی و داده های سال پنجم برای آزمایش شبکه عصبی استفاده گردید و همچنین با استفاده از عملگر موجک نرم افزار متلب (Matlab), نویز موجود در داده های ورودی شناسایی و حذف شد. سپس خروجی آن به عنوان ورودی برای الگوریتم شبکه عصبی با سه لایه پنهان و 43 نورون در کلیه لایه ها با توابع انتقال تانژانت سیگمویید و لگاریتم سیگمویید تعیین شد. مقادیر رگرسیون دارای حداقل 96% و حداکثر 99% انطباق است و این نشان از مدل سازی متناسب و بسیار کارآمد ترکیبی موجک و شبکه عصبی است. به طوری که با توجه به تعداد 1825 داده موجود و تفاوت مقداری آن ها, بالاترین میزان RMSE و MSE مربوط به دسته تست به ترتیب برابر مقادیر 53/53 و 55/2865 است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    سرخیل، حمید، احسانی افراکتی، علی، و طلائیان عراقی، محمد. (1401). پیش بینی تاثیرات شوک هیدرولیکی فاضلاب در رخدادهای غیرمترقبه با استفاده از ترکیب عملگر موجک و الگوریتم شبکه هوش مصنوعی. مهندسی عمران و محیط زیست (دانشکده فنی)، 52(3 (پیاپی 108) )، 175-184. SID. https://sid.ir/paper/1051661/fa

    Vancouver: کپی

    سرخیل حمید، احسانی افراکتی علی، طلائیان عراقی محمد. پیش بینی تاثیرات شوک هیدرولیکی فاضلاب در رخدادهای غیرمترقبه با استفاده از ترکیب عملگر موجک و الگوریتم شبکه هوش مصنوعی. مهندسی عمران و محیط زیست (دانشکده فنی)[Internet]. 1401؛52(3 (پیاپی 108) ):175-184. Available from: https://sid.ir/paper/1051661/fa

    IEEE: کپی

    حمید سرخیل، علی احسانی افراکتی، و محمد طلائیان عراقی، “پیش بینی تاثیرات شوک هیدرولیکی فاضلاب در رخدادهای غیرمترقبه با استفاده از ترکیب عملگر موجک و الگوریتم شبکه هوش مصنوعی،” مهندسی عمران و محیط زیست (دانشکده فنی)، vol. 52، no. 3 (پیاپی 108) ، pp. 175–184، 1401، [Online]. Available: https://sid.ir/paper/1051661/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button