جستجو در تالارهای گفتگو

مقایسه شبکه‌های عصبی نوع GMDHچند هدفی و شبکه خودباوری بیزین در پیش‌بینی کدورت آب تصفیه شده مطالعه موردی: تصفیه خانه بزرگ آب گیلانالهیار داغبندان؛ فرشته علی طالشی؛ مهران یعقوبی آب کافی و با کیفیت مطلوب برای ادامه حیات بشر ضروری است. تصفیه‌خانه‌ها، آب شرب را با کیفیت بالا در کوتاه‌ترین زمان ممکن با حداقل هزینه فراهم می‌کنند. در این مقاله ابتدا متغیرهای تأثیر‌گذار بر فرآیند حذف کدورت آب، با استفاده از روش‌شناسی سطح پاسخ‌ شناسایی گردیده است. در ادامه شبکه‌‌های عصبی نوع GMDH و شبکه خودباوری بیزین برای مدل-سازی و پیش‌بینی کدورت آب تصفیه شده، با استفاده از مجموعه داده‌های ورودی- خروجی مورد مطالعه قرار گرفته است. برای ارزیابی مدل پیشنهادی، تصفیه‌خانه بزرگ آب گیلان به صورت موردی بررسی و داده‌های مورد نیاز شامل 700 سری داده به دست آمده است. به منظور مدل‌سازی داده‌های برگرفته از واحد بهره‌برداری به دو دسته (70% برای آموزش و30% برای آزمایش) تقسیم شده‌اند. نتایج حاصل از مدل‌سازی با داده‌های تجربی مقایسه گردید که ضریب تعیین مقادیرآزمایشی برای دو الگوریتم شبکه خودباوری بیژین شامل EM و GD و برای مدل GMDH به ترتیب 9388/0 ، 9196/0 و 97095/0 بوده است که بر این اساس مدل GMDH نسبت به مدل BBN کارایی بهتری برای پیش‌بینی میزان کدورت آب تصفیه شده دارد. Comparison of Multi Objective GMDH-type Neural Network and Bayesian Belief Network in the Prediction of Treated Water Turbidity . Case Study: Great Water Treatment Plant in Guilan Province منبع دانلود WWJ137671463772600.pdf