-
پديد آورنده
اصحابي، پرنيا
-
عنوان
مدلسازي شبكه عصبي مصنوعي پيش تصفيه پساب صنايع غذايي با استفاده از روش انعقاد
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي شيمي صنايع غذايي
-
محل تحصيل
تهران شمال
-
سال تحصيل
1401
-
تاريخ دفاع
تاريخ ثبت در تهران شمال سه شنبه 1402/5/10
-
وضعيت پايان نامه
صحافي شده ندارد
-
استاد راهنما
مونا طاهري
-
توصيفگر فارسي
مدلسازي شبكه عصبي مصنوعي پيش تصفيه پساب صنايع غذايي با استفاده از روش انعقاد پساب صنايع غذايي،انعقاد ولخته سازي،شبكه هاي عصبي مصنوعي
-
شناسه هاي افزوده
دانشگاه پيام نور مركز تهران شمال
-
چكيده
فاضلاب هاي صنايع غذايي داراي بار آلودگي بالايي مي باشد كه در نتيجه مصرف آب در مراحل مختلف, توليد مي گردد. در صورت عدم مديريت و نظارت كافي بر تصفيه فاضلاب صنايع غذايي, ميتواند به عنوان يك منبع آلاينده محيط زيستي محسوب شود. هدف اين مطالعه بهينه سازي فرآيند انعقاد و لخته سازي براي تصفيه فاضلاب صنايع غذايي بود. مطالعه حاضر از نوع آزمايشگاهي بود.
در اين تحقيق به دنبال روشي جديد و دقيق تر براي يافتن رابطه اي رياضي بين ميزان درصد جامدات معلق (TSS) و مواد شيميايي تقاضاي اكسيژن (COD) از فاضلاب صنايع غذاييو پارامترهاي مختلف آزمايشگاهي نظير نوع منعقد كننده و دوز، pH و زمان واكنش مي باشيم. بنابراين ابتدا به ساكن مي بايست داده هاي ورودي و هدف شبكه را از درون داده هاي آزمايشگاهي دسته بندي كرده و به عنوان دو ماتريس جداگانه به عناوين inputs و targets ذخيره كنيم. با توجه به اين كه ابزار مورد استفاده ي ما براي تخمين TSS و COD در شبكه ي عصبي مصنوعي مي باشد، بايد شبكه را طراحي كرده و ويژگي هاي آن را تعيين كنيم، سپس داده هاي ورودي و هدف را وارد شبكه كرده و آن را آموزش دهيم. خروجي آموزش شبكه، شبكه اي محاسباتي مي باشد كه با ورود پارامترهاي ورودي آزمايشگاهي نظير ph، زمان واكنش و غيره، ميزان COD را براي ما تخمين مي زند.
-
شماره ركورد
72818
-
لينک به اين مدرک :