گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران
چکیده: (1658 مشاهده)
زمینه و هدف: در این تحقیق بهینه سازی و پیش بینی راندمان راکتور بیوفیلمی با بستر متحرک (MBBR) در تصفیه فاضلاب مصنوعی حاوی آنیلین با استفاده از روش سطح پاسخ (RSM) و شبکه عصبی مصنوعی (ANN) بررسی شده است. مواد و روش‌ها: نتایج مدلسازی از راکتور به حجم تقریبی 5 لیتر که با درصد پرشدگی 30، 50 و 70 درصد با سنگدانه‌های سبک لیکا به عنوان محیط رشد میکروارگانسیم‌ها و تشکیل لایه بیوفیلم پر شده بود، استفاده گردید. برای تعیین شرایط بهینه در آزمایش های انجام شده و همچنین پیش بینی آزمایش های انجام نشده، سه عامل میزان خوراک در سطوح بین 100 تا 3000 میلیگرم بر لیتر، زمان ماند 8 تا 72 ساعت و درصد پرشدگی 30 و 50 و 70 درصد با استفاده از RSM صورت گرفت. دقت وصحتمدلهایارائهشدهبهکمکتحلیلواریانس ANOVA بررسیشد. پیش بینی راندمان حذف سیستم با استفاده از ANN پایه شعاعی نیز بررسی گردید. یافته‌ها: بهینه سازی فرایند نشان داد که شرایط بهینه برای بیشترین حذف در میزان خوراک mg/l 1700 و زمان ماند 72 ساعت در درصد پرشدگی 82/56 درصد میباشد. نتایج پیش بینی فرایند با استفاده از ANN پایه شعاعی نیز نشان داد که در بهترین ساختار شبکه با توابع انتقال Radbas و خطی (Purelin)با 982/0=R2 قادر به پیش بینی راندمان حذف میباشد. نتیجه‌گیری: با مقایسه مدل ANN پایه شعاعی و RSM و مقایسه میزان خطای این دو روش میتوان گفت که روش ANN پایه شعاعی با دقت بیشتر و خطای کمتر روند داده ها را پیش بینی کرده است.
Delnavaz M, Peidad M. Optimization and Prediction of Moving Bed Biofilm Reactor (MBBR) Using Surface Response Method (RSM) and Artificial Neural Network (ANN). JEHE 2020; 7 (3) :298-313 URL: http://jehe.abzums.ac.ir/article-1-759-fa.html
دلنواز محمد، پیداد مهسا. بهینه سازی و پیش بینی فرآیند بیوفیلمی با بستر متحرک (MBBR) با استفاده از روش پاسخ سطح (RSM) و شبکه عصبی مصنوعی (ANN). مجله مهندسی بهداشت محیط. 1399; 7 (3) :298-313
