دوره 8، شماره 1 - ( 9-1399 )
جلد 8 شماره 1 صفحات 16-1 |
برگشت به فهرست نسخه ها
گروه مهندسی محیط زیست، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران
چکیده: (2256 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.
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.
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |