فایل ورد بکارگيري مدل سازي الگوريتم ژنتيک- شبکه عصبي مصنوعي جهت پيشگويي شار تراوه، دفع کلريد سديم و مقاومت هيدروليکي کل در فرآيند نانوفيلتراسيون

لینک دانلود

 فایل ورد بکارگيري مدل سازي الگوريتم ژنتيک- شبکه عصبي مصنوعي جهت پيشگويي شار تراوه، دفع کلريد سديم و مقاومت هيدروليکي کل در فرآيند نانوفيلتراسيون دارای 25 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد فایل ورد بکارگيري مدل سازي الگوريتم ژنتيک- شبکه عصبي مصنوعي جهت پيشگويي شار تراوه، دفع کلريد سديم و مقاومت هيدروليکي کل در فرآيند نانوفيلتراسيون  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 بکارگيري مدل سازي الگوريتم ژنتيک- شبکه عصبي مصنوعي جهت پيشگويي شار تراوه، دفع کلريد سديم و مقاومت هيدروليکي کل در فرآيند نانوفيلتراسيون،به هيچ وجه بهم ريختگي وجود ندارد


بخشی از متن فایل ورد بکارگيري مدل سازي الگوريتم ژنتيک- شبکه عصبي مصنوعي جهت پيشگويي شار تراوه، دفع کلريد سديم و مقاومت هيدروليکي کل در فرآيند نانوفيلتراسيون :




نام کنفرانس، همایش یا نشریه : جداسازي و پديده هاي انتقال (دانشكده مهندسي)

تعداد صفحات :25

در این پژوهش اثر پارامترهای عملیاتی (دما و فشار) و خصوصیات خوراک (غلظت خوراک و pH) بر کارایی فرآیند نانوفیلتراسیون (شار تراوه، دفع کلرید سدیم و مقاومت هیدرولیکی کل) مورد بررسی قرار گرفته و روش الگوریتم ژنتیک- شبکه عصبی مصنوعی برای مدل سازی این پارامترها در طی فرآیند نانوفیلتراسیون فاضلاب حاصل از احیاء رزین های تبادل یونی ستون های رنگبری صنعت قند مورد استفاده قرار گرفته است. جهت انجام آزمایشات از غشاء لوله ای پلی آمیدی مدل AFC80 ساخت شرکت PCI استفاده گردید. به منظور پیشگویی شار تراوه، دفع کلرید سدیم و مقاومت هیدرولیکی کل از شبکه عصبی پرسپترون چند لایه پیشخور با 4 ورودی و 3 خروجی استفاده شد. از روش الگوریتم ژنتیک جهت بهینه سازی تعداد نرون ها در لایه مخفی شبکه عصبی مصنوعی استفاده گردید. نتایج نشان داد با افزایش اختلاف فشار عرضی و غلظت خوراک مقاومت هیدرولیکی کل افزایش می یابد. همچنین با افزایش دمای فرآیند و pH خوراک، شار تراوه افزایش پیدا می کند، در حالی که مقاومت هیدرولیکی کل کاهش می یابد. میانگین شار تراوه 7.7±3.7 kg/m2 h به دست آمد. درصد دفع کلرید سدیم بین 16 تا %42.7 بود. نتایج مدل سازی به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی نشان داد که ترکیب شبکه عصبی مصنوعی با الگوریتم ژنتیک نتیجه بهتری را ارائه می کند و با ترکیب آن ها سرعت تحلیل و دقت مدل سازی افزایش می یابد. با استفاده از شبکه ای با تعداد 24 نرون در یک لایه پنهان، تابع فعال سازی سیگموئیدی و درصد داده های به کار رفته برای تربیت/ آزمون/ ارزیابی برابر 30/ 20/ 50 می توان به خوبی شار تراوه (r= 0.98)، دفع کلرید سدیم (r= 0.94) و مقاومت هیدرولیکی کل (r= 0.96) در طی نانوفیلتراسیون فاضلاب ستون رنگبری را پیشگویی نمود.
كلید واژه: الگوریتم ژنتیک، شار، دفع، مقاومت هیدرولیکی کل، مدل سازی

توضیحات بیشتر