گروه مهندسی محیط زیست، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران
چکیده: (1612 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 لایهMLP (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 فرارنسبت 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 اساسخروجیهای 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 پالایشگاهبا 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 یکباربا 7798/0اولویت دوم و بکارگیری حوضهای یکنواخت سازیبا 6964/0به حالت ائده آل استراتژی سوم مشخص گردید.
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