مدلسازی تصفیه پساب های صنعتی بر پایه شبکه عصبی مصنوعی و مدل آماری رگرسیون لجستیک
محورهای موضوعی : آنالیز عددی
سیدرحیم صانعی فرد
1
,
فاطمه قنبری
2
,
احمد جعفریان
3
1 - گروه ریاضی، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران.
2 - گروه شیمی، واحد مهاباد، دانشگاه آزاد اسلامی، مهاباد، ایران.
3 - گروه ریاضی، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران.
کلید واژه: Water pollution, statistical logistic regression, Mathematical Modeling, Neural Network, hybrid neural network,
چکیده مقاله :
با توجه به اهمیت شناسایی آلاینده های صنعتی و یافتن راهکار هایی برای مدیریت وکنترل آن در جهت حفظ بقا، سلامت انسان و محیط زیست، دسترسی به مدل هایی که بتواند با دقت بالا این مهم را پیش بینی کند نقش مهمی به لحاظ اقتصادی و زمانی دارد. در این تحقیق سه مدل مختلف برای پیش بینی فرایند حذف آلاینده ی مالاشیت سبز با ویژگی جهش زایی و سرطان زایی از پساب های صنعتی ارائه گردیده و یافته های حاصل مقایسه شدند. هدف اصلی در این پژوهش مقایسه دقت مدل های مختلف شبکه عصبی و رگرسیون لجستیک و مدل هوشمند ترکیبی شبکه عصبی مصنوعی و رگرسیون لجستیک (ANN-LR ) جهت پیش بینی درصد حذف آلاینده ی مالاشیت سبز از پسا ب های صنعتی است تا بتوان یکی از آنها را به عنوان روش بهینه انتخاب و استفاده نمود. متغیر های مستقل در هر سه مدل شبکه عصبی، رگرسیون لجستیک و مدل ترکیبی ANN و LR شامل مقداراولیه نانو کامپوزیت پلی آنیلین پوشش داده شده روی خاکستر پوسته گندم (PANI/WHA)، غلظت اولیه مالاشیت سبز، شدت اشعه ی یو وی (UV light) و زمان پرتو افشانی و متغیر وابسته در مدل شبکه عصبی درصد حذف آلاینده ی مالاشیت سبز می باشد. مقایسه ی نتایج پیش بینی، توسط مدل طراحی شده و داده های بررسی شده ثابت می کند که استفاده ازمدل ترکیبی شبکه عصبی مصنوعی و رگرسیون لجستیک روشی ارزشمند برای پیش بینی عملکرد حذف ماده سمّی مالاشیت سبز از پساب های صنعتی با بیشترین بازده وکمترین خطا می باشد.
One of the most important and fundamental factors in the life of living things is water. Therefore, water pollution is a major environmental problem and prevent water pollution and providing smart methods for water treatment is so important. Equipping engineering sciences with intelligent tools and artificial intelligence in the diagnose quality of wastewater treatments can reduce the errors of the methods. This paper presents a simple and hybrid neural network with statistical logistic regression method for modelling of the output quality of wastewater treatment. The proposed intelligent method plays an important role in the quality of wastewater treatment and can be used by artificial intelligence researchers and environmental engineers. Comparison of the predicted results by simple neural network and hybrid one showed that the efficiency of the hybrid model and it is suitable for our purpose. results of research proved that the new method has the highest efficiency with minimum errors.
