استفاده از شبکه عصبی GMDH در مدلسازی کاهش اکسیژن خواهی شیمیایی شیرابه کمپوست توسط جاذب سیکلودکسترین اپی کلرو هیدرین

تصفیه شیرابه حاصل از کمپوست کردن زباله به دلیل مقادیر زیاد آلاینده های موجود در آن، بسیار حائز اهمیت است. در این پژوهش ابتدا از کوپلیمر بتا سیکلودکسترین اپی کلرو هیدرین به عنوان جاذب برای کاهش اکسیژن خواهی شیمیایی شیرابه کمپوست در شرایط عملیاتی مختلف استفاده شد. سپس برای مدل سازی فرآیند، داده های آزمایشگاهی به دو دسته آموزشی (70 درصد از داده ها) و آزمایشی (30 درصد از داده ها) تقسیم شدند و شبکه عصبی GMDH برای پیش بینی درصدد حذف COD مورد مطالعه قرار گرفت. پارامترهای به کار رفته در این مدلسازی، سرعت اختلاط، دوز جاذب، زمان تماس، pH و غلظت اولیه شیرابه بودند. جهت سنجش دقت و کارایی مدل ارائه شده، نتایج حاصل از مدل سازی با داده های تجربی مقایسه و با ارزیابی شاخص های آماری (ضریب رگرسیون R2=0/9971)، درصد میانگین خطای مطلق 3/6796=(MAPE) و متوسط مربعات خطا 1/1627=(MSE) نشان داده شد که مدل بدست آمده تطابق بسیار خوبی با داده های تجربی دارد.

کلیدواژه ها:

شبکه عصبی ، دسته بندی گروهی داده های عددی (GMDH) ، مدل سازی ، تصفیه شیرابه کمپوست