[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: مقالات پذیرفته شده :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 8، شماره 1 - ( 9-1399 ) ::
جلد 8 شماره 1 صفحات 1-16 برگشت به فهرست نسخه ها
اولویت بندی سناریوهای حذف ترکیبات آلی فرار از واحدهای R.O.P پالایشگاه نفت با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: پالایشگاه نفت آبادان)
لادن خواجه حسینی، رضا جلیل زاده ینگجه* ، مریم محمدی روزبهانی، سیما سبزعلیپور
گروه مهندسی محیط زیست، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران
چکیده:   (398 مشاهده)
مقدمه و اهداف: نفت در بسیاری از صنایع اهمیت حیاتی دارد و مهم ترین منبع تامین انرژی در سطح بین المللی است و 32 درصد منبع تامین انرژی در اروپا و آسیا و بیش از 53 درصد در خاورمیانه را تشکیل میدهد. با توجه به جایگاهی که صنایع پتروشیمی امروزه پیدا کرده اند نباید از صدمات آن بر سلامت انسان و محیط زیست غافل بود. امروزه پالایشگاهها میلیون‌ها پوند آلاینده در هوا منتشر می‌کنند که خطری جدی بر سلامت انسان و محیط زیست محسوب می‌گردد و کیفیت زندگی افراد مجاور جوامع صنعتی را با آسیب‌های جدی رو به رو می‌کند. لذا در این پژوهش با بهره گیری از منطق و الگوریتم بکار رفته در مدل شبکه‌ی عصبی مصنوعی، به اولویت‌بندی وزنی استراتژی‌ها و پیش‌بینی شرایط آتی حاکم بر طرح، پرداخته است و در نهایت رتبه بندی نهایی با مدل TOPSIS صورت پذیرفت.
روش کار: در این پژوهش، سنجش آلاینده‌های هوا با روش کروماتوگرافی گازی بود و با استفاده از شبکه عصبی مصنوعی ANN (Artificial Neural Networks) به بررسی اولویت بندی سناریوهای حذف آلاینده‌های آلی فرار از واحد تصفیه پساب نفتی ROP (Recovery Oil Compound) پالایشگاه نفت آبادان در سال 1398 پرداخته شد. روش به کار گیری شبکه عصبی مصنوعی در مطالعه حاضر روش پرسپترون چند لایه MLP (Multi Layer Perceptron)   بود. رتبه بندی نهایی با مدل  TOPSISصورت پذیرفت.
یافته ها: بر اساس نتایج به دست آمده از سنجش آلاینده‌های هوای مجاور واحد  ROPپالایشگاه، بیشترین میزان انتشار ترکیبات آلی فرار نسبت به میزان اعلام شده توسط WHO متعلق به نشر بنزن با مقادیر  µg/m388/8865 در فصل بهار،  µg/m304/1701 در فصل تابستان،  µg/m3 72/8061  در فصل پاییز و  µg/m3 62/8447 در فصل زمستان بود.
نتیجه گیری: بر اساس خروجی‌های مدل و رتبه بندی آن با مدل TOPSIS، کمینه سازی پساب تولیدی در کارخانه از طریق کنترل موثر تر مصرف آب، بهینه سازی فرآیندهای تولید، استفاده مجدد از آبهای کندانس مبدل‌های غیر مستقیم، کنترل نشت در اتصالات، شیرها و تجهیزات پالایشگاه با ضریب تاثیر با خلوص 1، اولین اولویت و ائده آل ترین حالت بود. پس از آن برگشت دادن لجن از مخزن هوادهی جهت فراهم سازی تعداد کافی میکروارگانیسم‌ها برای جلوگیری از بی هوازی شدن لجن فعال، همچنین افزایش زمان ماند هیدرولیکی فاضلاب هر دوساعت یکبار با 7798/0 اولویت دوم و بکارگیری حوض‌های یکنواخت سازی با 6964/0 به حالت ائده آل استراتژی سوم مشخص گردید.
واژه‌های کلیدی: ترکیبات آلی فرار، پالایشگاه نفت، آلودگی هوا، شبکه عصبی مصنوعی
متن کامل [PDF 1552 kb]   (161 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1399/5/21 | پذیرش: 1399/8/11 | انتشار: 1399/10/15
ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Khajeh Hoseini L, Jalilzadeh Yengejeh R, Mohammadi Rouzbahani M, Sabz alipour S. Prioritization of Air Pollutant Removal (VOC) Scenarios from Refinery R.O.P Units Using Artificial Neural Network Model (Case Study: Abadan Oil Refinery). jehe. 2020; 8 (1) :1-16
URL: http://jehe.abzums.ac.ir/article-1-802-fa.html

خواجه حسینی لادن، جلیل زاده ینگجه رضا، محمدی روزبهانی مریم، سبزعلیپور سیما. اولویت بندی سناریوهای حذف ترکیبات آلی فرار از واحدهای R.O.P پالایشگاه نفت با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: پالایشگاه نفت آبادان). مجله مهندسی بهداشت محیط. 1399; 8 (1) :1-16

URL: http://jehe.abzums.ac.ir/article-1-802-fa.html



دوره 8، شماره 1 - ( 9-1399 ) برگشت به فهرست نسخه ها
مجله مهندسی بهداشت محیط Journal of Environmental Health Enginering
Persian site map - English site map - Created in 0.04 seconds with 30 queries by YEKTAWEB 4294