سید سعید کیخسروی؛ فرهاد نژادکورکی؛ محمود امین طوسی
چکیده
چکیده زمینه و هدف: مدلسازی گردو‌غبار میتواند به عنوان یک ابزار مناسب برای پیشبینی گردو‌غبار صنایع در آینده و تعیین استراتژیهای کنترل انتشار آلایندهها تلقی شود. در این مطالعه از شبکههای عصبی پرسپترون (MLP) و پایه شعاعی (RBF) به عنوان ابزاری برای پیشبینی گردو‌غبار خروجی از دودکش اصلی کارخانه سیمان سبزوار واقع در استان ...
بیشتر
چکیده زمینه و هدف: مدلسازی گردو‌غبار میتواند به عنوان یک ابزار مناسب برای پیشبینی گردو‌غبار صنایع در آینده و تعیین استراتژیهای کنترل انتشار آلایندهها تلقی شود. در این مطالعه از شبکههای عصبی پرسپترون (MLP) و پایه شعاعی (RBF) به عنوان ابزاری برای پیشبینی گردو‌غبار خروجی از دودکش اصلی کارخانه سیمان سبزوار واقع در استان خراسان رضوی استفاده شد. مواد و روش‌ها: در محدوده مطالعاتی مورد نظر، ابتدا میزان غلظت گردو‌غبار خروجی از دودکش اصلی کارخانه سیمان به وسیله اندازهگیریهای میدانی به‌دست آمد. سپس با به‌کارگیری پارامترهای خط تولید (درجه حرارت، سرعت گاز خروجی، ولتاژ، سوخت، مواد خام و مدت زمان نمونهبرداری)، به عنوان دادههای ورودی به شبکههای عصبی، جهت پیشبینی میزان غلظت گردو‌غبار استفاده شد. مقادیر حاصل از اجرای مدلها، با نتایج اندازهگیریهای میدانی به‌عنوان انتخاب مدل برتر، مورد مقایسه قرار گرفت. یافتهها: دربررسی نمودارها و پارامترهای آماری، مقادیر میانگین مربعات خطا برای دو مدل شبکههای عصبی پرسپترون و پایه شعاعی به‌ترتیب برابر 1/787 و 21/263 و مقادیر ضریب همبستگی به‌ترتیب برابر 0/99693 و 0/95811 بود که نشانگر خطای کمتر و همبستگی بیشتر مدل شبکههای عصبی پرسپترون نسبت به مدل پایه شعاعی در پیشبینی میزان غلظت گردو‌غبار بود. نتیجهگیری: به دلیل قابلیت بالای شبکه عصبی پرسپترون در پیشبینی میزان غلظت گردو‌غبار، این مدل میتواند یک راه‌حل مناسب و سریع در پیشبینی میزان گردو‌غبار صنایع باشد. نوع مقاله:مقاله پژوهشی کلید واژه‌ها: کارخانه سیمان، گردو‌غبار، شبکههای عصبی مصنوعی، آلودگی هوا