پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,923,009 |
| تعداد دریافت فایل اصل مقاله | 89,601,701 |
ارائة الگوی عملکرد صافی‌های تحت فشار با استفاده از شبکه‌های عصبی مصنوعی و تعیین میزان کدورت بهینة مرتبط با حذف باکتری‌ها | ||
| محیط شناسی | ||
| مقاله 13، دوره 37، شماره 60، اسفند 1390، صفحه 129-136 اصل مقاله (347.37 K) | ||
| نویسندگان | ||
| گاگیک بدلیانس قلی‌کندی1؛ حسین حضرتی2؛ هادی رستمیان3 | ||
| 1دانشگاه صنعت آب و برق (شهید عباسپور)، دانشیار دانشکدة مهندسی آب و محیط زیست | ||
| 2دانشگاه صنعتی شریف ،کارشناس ارشد مهندسی شیمی- محیط زیست | ||
| 3شرکت آب و فاضلاب سمنان، کارشناس ارشد مهندسی آب و فاضلاب | ||
| چکیده | ||
| یکی از مبانی اساسی و ضروری در طراحی و بهره‌برداری صحیح از واحدهای مختلف تأسیسات تصفیه‌خانه‌های آب، ارزیابی و پیش‌بینی دقیق عملکرد آن واحدها تحت شرایط مختلف است. در این تحقیق علاوه بر ارائة الگویی برای پیش‌بینی عملکرد صافی‌های تحت فشار در حذف کدورت، رابطة میزان کدورت در بار سطحی بهینه و درصد حذف باکتری بررسی شده است. اهداف مد نظر شامل: 1) بررسی‌های آزمایشگاهی پیرامون عملکرد صافی‌های تحت فشار در حذف کدورت تحت شرایط مختلف از جمله تغییر کدورت ورودی، نرخ فیلتراسیون و فشار فیلتر، 2) تجزیه‌و‌تحلیل آماری نتایج استخراج شده و تعیین حداقل و حداکثر کدورت محتمل خروجی از صافی، 3) استفاده از شبکه‌های عصبی مصنوعی به منظور ارائة الگویی مناسب در تعیین عملکرد صافی مورد نظر در حذف کدورت، 4) تعیین شاخص‌های الگوی مورد نظر به منظور استفاده در تعیین عملکرد صافی‌های مشابه، 5) تعیین بهترین میزان کدورت و بار برای رسیدن به بیشترین حذف کلیفرم و کل باکتری، است. برای دسترسی به اهداف تعیین شده، ضمن ساخت پایلوت مناسب، نمونه‌برداری و انجام آزمایش‌های لازم بر روی 1300 نمونه صورت پذیرفت و سپس بر اساس محاسبات و تجزیه‌و‌تحلیل‌های آماری، حداقل و حداکثر کدورت محتمل خروجی از صافی تحت شرایط مختلف تعیین شد. در نهایت و بر اساس نتایج حاصل از تجزیه‌و‌تحلیل‌های مورد نظر، ضمن بررسی ساختارهای مختلفی از شبکه‌های عصبی مصنوعی، بهترین ساختار تعیین و شاخص‌های آن به‌عنوان یکی از اهداف مهم تحقیق حاضر برای استفاده در موارد مشابه ارائه شد. | ||
| کلیدواژه‌ها | ||
| حذف باکتری‌ها؛ شبکه‌های عصبی مصنوعی؛ صافی‌های تحت فشار؛ کدورت آب؛ مدل‌سازی صافی‌ها | ||
| عنوان مقاله [English] | ||
| An artificial Neural Network Model for the Prediction of Pressure Filters Performance and Determination of Optimum Turbidity for Coli-form and Total Bacteria Removal | ||
| نویسندگان [English] | ||
| Galik Badalians Gholikandi1؛ Hossein Hazrati2؛ Hadi Rostamian3 | ||
| چکیده [English] | ||
| One of the principles for designing and using the various units of water treatment plants is ability of assigning and predicting performance of those units in different and various conditions that could be checked by making pilot and could be modeled by means of available programs and software such as artificial neural network. At this study a model provided for predict performance of pressure filters to remove turbidity, also relationship between turbidity quantity in optimize surface loading removal of bacteria have been investigated. This targets was considerate: (1) Experimental studies on performance of pressure filters for turbidity remove under different conditions, including influent turbidity, filtration rate and filter pressure, (2) extract of statistical analysis results and determine of the minimum and maximum effluent turbidity, (3) Using artificial neural networks for providing the appropriate model in determining filter performance in turbidity remove, (4) determining of the desired model indicators for using in performance of same filters, (5) determining the best influent turbidity and surface loading to receive maximum removal bacteria and coli-form. Appropriate pilot making, sample testing was done with 1300 of sample and then the minimum and maximum effluent turbidity was determined based on calculation and statistical analysis. Finally, the best model was determined and its indicators as one of the major objectives were presented for this study in similar cases. | ||
| کلیدواژه‌ها [English] | ||
| Artificial Neural Networks, bacteria removal, pressure filters modeling, Turbidity | ||
|
آمار تعداد مشاهده مقاله: 3,332 تعداد دریافت فایل اصل مقاله: 1,828 |
||