طراحي بهينه اي چندهدفي شبكه هاي عصبي نوع GMDH براي پيش بيني مقداربهينه مصرفي منعقدكننده در فرايند تصفيه آب

يكي از مراحل مهم و ضروري در فرايند تصفيه آب،فرآيند انعقاد و لخته سازي مي باشد. تعيين مقدار بهينه مصرفي منعقد كننده بسيار تعيين كننده مي باشد و مصرف نامناسب آن باعث كاهش كيفيت آب مصرف شده مي شود و همچنين بر روي بازده اقتصادي مانند هزينه مواد مصرفي تاثيرگذار مي باشد. در اين مقاله شبكه هاي عصبي نوع روش دسته بندي گروهي دادههاي عددي ( GMDH ) براي تعيين مقدار بهينه دوز مصرفي منعقدكننده در تصفيه خانه رشت مورد مطالعه قرار گرفته است. داده هاي مورد استفاده جهت مدلسازي از تصفيه خانه رشت جمع آوري شده است كه شامل شش پارامتر ورودي pH، دما، كدورت،ذرات جامد حل شده، هدايت الكتريكي و رنگ و يك پارامتر عملياتي كه همان دوز منعقدكننده مصرفي است مي باشد كه اين اطلاعات در 671 روز جمع آوري شده است. و در اين 671 روز دو نوع منعقدكننده سولفات آلومينيوم و پلي آلومينيوم كلرايد مورد استفاده قرار گرفت. در مدلسازي انجام شده ميزان مصرف اين منعقدكننده ها به صورت جداگانه بررسي شده است.