Evaluation of moving bed biofilm reactor (MBBR) by applying adaptive neuro-fuzzy inference systeme (ANFIS), radial basis function (RBF) and Fuzzy Regression Analysis
محل انتشار: مجله فناوری محیط زیست ایران، دوره: 2، شماره: 1
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 279
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJET-2-1_003
تاریخ نمایه سازی: 19 اسفند 1399
چکیده مقاله:
The purpose of this study is to investigate the accuracy of predictions of aniline removal efficiency in a moving bed biofilm reactor (MBBR) by various methods, namely by RBF, ANFIS, and fuzzy regression analysis. The reactor was operated in an aerobic batch and was filled by light expanded clay aggregate (LECA) as a carrier for the treatment of Aniline synthetic wastewater. Exploratory data analysis was used to detect relationships between the independent and the dependent evaluated data. The models were found to be efficient and robust tools in predicting MBBR performance. Results showed that increasing the neurons in the hidden layer would improve the function of RBF network. The ANFIS model made according to the membership functions of generalized bell, triangular, and Gaussian with R2 equals to 0.99 and RMS error of 0.027 for the anticipation of the concentration of Aniline and R2 equals to 0.99 and RMS error of 0.034 for the prediction of removal COD efficiency. Highlights Application of ANN-based models (RBF network), ANFIS models and Fuzzy regression as a robust tool in predicting MBBR efficiency Determination of process efficiency in various operation conditions for the treatment of aniline synthetic wastewater ANFIS had more ability than fuzzy regression analysis in simulating and predicting removal efficiency in different experimental conditions.
کلیدواژه ها:
نویسندگان
محمد دلنواز
Assistant Professor of Environmental engineering, Kharazmi University, Tehran, Iran
حسین زنگویی
MSc. of Environmental engineering, Kharazmi University, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :