پیشبینی رفتار انتشار گاز مونواکسید کربن در محیط صنعتی با استفاده از شبکه عصبی بازگشتی NARX

مونوکسید کربن با فرمول CO و وزن مولکولی 28/01 گازی است بی رنگ و بی بو که حاصل احتراق ناقص زغال و سوخت های فسیلی است. حد طبیعی آن در هوا PPM 0/2 - 0/01 است . در مناطق شهری معمولا زیر 17PPM است ولی در شهر تهران در ساعات ترافیک و در بعضی مناطق برای کوتاه مدت تا 50PPM گزارش شده است. در محیطهای بسته و کارگاه ها غالبا از 100PPM نیز تجاوز می نماید. اولین گام برای کاهش و کنترل انتشار آلودگی گازی، پیشبینی آن است. ماهیت غیرخطی انتشار آلودگی گازی موجب گردیده است که به منظور پیش بینی میزان غلظت گاز از روشهای غیرخطی استفاده شود. قابلیت بالای شبکه های عصبی مصنوعی در حل مسائل غیرخطی، حجیم و دارای خطا موجب گردیده است که از آنها به عنوان ابزاری قدرتمند برای پیش بینی نشت گاز استفاده گردد. هدف از این مقاله توسعه روش بهره گیری از شبکه عصبی NARX به منظور حداقلسازی خطای پیشبینی غلظت گاز مونوکسیدکربن در محیط های بسته صنعتی می باشد. در این پژوهش، داده های اندازه گیری شده از 29 حسگر گاز مونوکسیدکربن به منظور بررسی راهکار پیش بینی رفتار انتشار گاز مونواکسیدکربن استفاده گردیده است و با طرحریزی بهینه ساختار شبکه عصبی بازگشتی NARX، با استخراج رفتار نشر گاز در محیط به وسیله بررسی رفتار حسگرها در سناریوهای مختلف، خطای پیشبینی انتشار گاز کاهش یافته است. صحت عملکرد مدل حاصل شده با استفاده از داده های واقعی یک محیط صنعتی مورد بررسی قرار گرفته است و مشخص گردید مدل ارائه شده در این پژوهش با دقت 99/6 درصد با مدل واقعی تطابق دارد.