Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Zastosowanie sztucznych sieci neuronowych do prognozowania zmian mętności wody po procesie koagulacja/ultrafiltracja

Tytuł:
Zastosowanie sztucznych sieci neuronowych do prognozowania zmian mętności wody po procesie koagulacja/ultrafiltracja
Artificial neural networks - A viable option for predicting changes in water turbidity after treatment by coagulation/ultrafiltration
Autorzy:
Kabsch-Korbutowicz, M.
Kutyłowska, M.
Powiązania:
https://bibliotekanauki.pl/articles/237305.pdf
Data publikacji:
2010
Wydawca:
Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
Tematy:
sztuczne sieci neuronowe
oczyszczanie wody
mętność
koagulacja
ultrafiltracja
membrany zanurzone
artificial neural networks
water treatment
turbidity
coagulation
ultrafiltration
submerged membranes
Źródło:
Ochrona Środowiska; 2010, 32, 2; 15-20
1230-6169
Język:
polski
Prawa:
Wszystkie prawa zastrzeżone. Swoboda użytkownika ograniczona do ustawowego zakresu dozwolonego użytku
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Sztuczne sieci neuronowe w technologii oczyszczania wody mogą być wykorzystywane jako alternatywna metoda matematycznego modelowania funkcji wielu zmiennych. W pracy opisano możliwość wykorzystania sztucznych sieci neuronowych do prognozowania mętności wody infiltracyjnej oczyszczonej w zintegrowanym procesie koagulacja/ultrafiltracja. Do prognozowania mętności filtratu stworzono różne struktury wielowarstwowego perceptronu z jedną warstwą ukrytą. Sygnałami wejściowymi do sieci były mętność wody dopływającej, mętność wody po koagulacji, ciśnienie transmembranowe, strumień filtratu oraz temperatura i pH wody. Na wyjściu sieci znajdował się jeden neuron symbolizujący wartość współczynnika określającego skuteczność zmniejszenia mętności wody oczyszczonej. Wykazano, że sieć neuronowa o parametrach MLP 7-9-1 charakteryzowała się najmniejszym błędem średniokwadratowym w prognozowaniu. W przypadku tej sieci współczynnik korelacji wynosił 84,38%. Uzyskane wyniki wskazują na wystarczającą (choć nie idealną) zbieżność prognozy z danymi doświadczalnymi z pilotowej stacji oczyszczania wody infiltracyjnej.

Artificial neural network modeling is widely used in water treatment techno-logy as an alternative method to deal with functions of several variables. In the study reported on in this paper consideration was given to the possibilities of using artificial neural networks to predict the turbidity of infiltration water after treatment by the integrated coagulation/ultrafiltration process. To forecast the turbidity of the permeate it seemed advisable to create different structures of the multilayer perceptrone with one hidden layer. Raw water turbidity, water turbidity after coagulation, transmembrane pressure, permeate flux, water temperature and water pH were adopted as input signals. One neuron at the output of the network described the value of the turbidity retention coefficient. It has been demonstrated that the neural network of the parameters MLP 7-9-1 was characterized by the least mean-square error in forecasting. For this network the coefficient of correlation equaled 84.38%. Simulation results have revealed that the convergence with experimental data was sufficiently good (although not ideal).

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies