دوره 2، شماره 2 - ( 6-1388 )
جلد 2 شماره 2 صفحات 149-140 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Zoqi M, Ghavidel A. Neural Network Modeling and Prediction of Methane Fraction in Biogas from Landfill Bioreactors. ijhe 2009; 2 (2) :140-149
URL: http://ijhe.tums.ac.ir/article-1-163-fa.html
URL: http://ijhe.tums.ac.ir/article-1-163-fa.html
ذوقی محمد جواد، قویدل آریامن. پیش بینی درصد متان موجود در گاز مراکز دفن زباله با استفاده از شبکه عصبی مصنوعی. سلامت و محیط زیست. 1388; 2 (2) :140-149
چکیده: (9963 مشاهده)
زمینه و هدف: تکنیک های مختلفی برای استفاده بهینه از گاز تولیدی در دفنگاه زباله مورد مطالعه قرار گرفته است. اما برای استفاده از هر یک از این تکنیک ها و همچنین تضمین کارایی سیستم های استحصال انرژی، باید درصد متان موجود در بیوگاز سنجش و پیش بینی شود. در این مطالعه برای پیش بینی درصد متان موجود در گاز دفنگاه زباله در مقیاس آزمایشگاهی، از شبکه عصبی استفاده شده است.
روش بررسی: در این مطالعه راکتورهای شبیه ساز مرکز دفن زباله، در دو سیستم متفاوت عمل می کنند، جهت تخمین درصد متان موجود در گاز مرکز دفن به وسیله شبکه عصبی مصنوعی، از مشخصات فاضلاب این راکتورها به عنوان داده های ورودی استفاده شده است. سیستم یک(C1)، در این سیستم، فاضلاب پس از تولید بر روی زباله تازه بازگردانده می شود. سیستم دو(C2)، در این سیستم، فاضلاب پس از خروج از زباله تازه برروی راکتور حاوی زباله خوب تجزیه شده تخلیه و سپس بر روی زباله تازه بازگردانده می شود
یافته ها: شبکه عصبی دارای کارایی بالایی در پیش بینی درصد متان موجود در بیوگاز است، به طوری که مقدار ضریب همبستگی در شبکه عصبی بهینه، برای داده های آموزش و تست، به ترتیب برابر 999/0 و 997/0 می باشد و ضریب انحراف معیار به ترتیب برابر 098/1 و 387/2 می باشد.
نتیجه گیری: با توجه به کارایی بالای شبکه عصبی در پیش بینی درصد متان موجود در بیوگاز، می توان از این مدل جهت طراحی بهینه سیستم های جمع آوری و تصفیه گاز مراکز دفن زباله، و همچنین برای حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفاده کرد.
روش بررسی: در این مطالعه راکتورهای شبیه ساز مرکز دفن زباله، در دو سیستم متفاوت عمل می کنند، جهت تخمین درصد متان موجود در گاز مرکز دفن به وسیله شبکه عصبی مصنوعی، از مشخصات فاضلاب این راکتورها به عنوان داده های ورودی استفاده شده است. سیستم یک(C1)، در این سیستم، فاضلاب پس از تولید بر روی زباله تازه بازگردانده می شود. سیستم دو(C2)، در این سیستم، فاضلاب پس از خروج از زباله تازه برروی راکتور حاوی زباله خوب تجزیه شده تخلیه و سپس بر روی زباله تازه بازگردانده می شود
یافته ها: شبکه عصبی دارای کارایی بالایی در پیش بینی درصد متان موجود در بیوگاز است، به طوری که مقدار ضریب همبستگی در شبکه عصبی بهینه، برای داده های آموزش و تست، به ترتیب برابر 999/0 و 997/0 می باشد و ضریب انحراف معیار به ترتیب برابر 098/1 و 387/2 می باشد.
نتیجه گیری: با توجه به کارایی بالای شبکه عصبی در پیش بینی درصد متان موجود در بیوگاز، می توان از این مدل جهت طراحی بهینه سیستم های جمع آوری و تصفیه گاز مراکز دفن زباله، و همچنین برای حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفاده کرد.
واژه‌های کلیدی: فاضلاب مراکز دفن زباله، گاز مراکز دفن زباله، شبکه عصبی مصنوعی، درصد متان، تجزیه بی هوازی
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
