پیش بینی و بهینه سازی شاخص های حذف هورمون های استروئیدی از فاضلاب شهری به روش اولتراسوند با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک: یک رویکرد مروری
محل انتشار: فصلنامه تحقیقات نظام سلامت، دوره: 18، شماره: 2
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 176
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HSR-18-2_001
تاریخ نمایه سازی: 1 اسفند 1401
چکیده مقاله:
مقدمه: استروژن ها از ریزآلاینده های فاضلاب به شمار می روند که اثرات مخربی بر موجودات زنده آب می گذارند. گزارش های زیادی اثرات نامطلوب مانند زنانه شدن ماهی ها، هورمون های استروژن در محیط را مستند می کند. یکی از منابع عمده این ترکیبات، پساب های فاضلاب شهری است. فرایندهای بیولوژیکی در تصفیه خانه های فاضلاب شهری نمی تواند این ترکیبات را به طور کامل حذف کند. بنابراین، روشی برای تصفیه هورمون ها مورد نیاز است. روش اولتراسونیک فرایند موثری برای حذف ریزآلاینده ها می باشد. هدف از انجام پژوهش حاضر، مدل سازی و بهینه سازی حذف دو هورمون [استرون (E۱) و ۱۷ بتااسترادیول (E۲)] از فاضلاب به روش اولتراسوند با استفاده از شبکه عصبی مصنوعی (Artificial neural network یا ANN) با رویکرد الگوریتم ژنتیک (Genetic algorithms یا GA) بود.
روش ها: بررسی متون از سال ۲۰۰۰ تا ۲۰۲۱ انجام شد و نتایج مطالعات مرتبط، برای مدل سازی مورد استفاده قرار گرفت. یک مدل شبکه ای دو لایه Feed-Forward Back-Propagation Neural Network (FFBPNN) طراحی شد. الگوریتم های آموزشی مختلف مورد ارزیابی قرار گرفت و الگوریتم Levenberg Marquardt (LM) به عنوان بهترین الگوریتم انتخاب گردید.
یافته ها: وجود ۱۲ نورون در لایه پنهان، منجر به بالاترین R (ضریب همبستگی) و کمترین خطای میانگین مربعات (Mean squared error یا MSE) و خطای مطلق میانگین (Mean absolute error یا MAE) شد. نتایج GA شرایط بهینه عملکرد را تعیین کرد. بدین ترتیب، افزایش pH و Power density، راندمان حذف هورمون ها از فاضلاب را افزایش می دهد.
نتیجه کیری: در نهایت، تجزیه و تحلیل حساسیت با استفاده از ANN-GA و همبستگی Spearman انجام شد و نتایج کاملا سازگار بود
کلیدواژه ها:
نویسندگان
نسرین موسوی کیا
MSc Student, Department of Civil Engineering, Isfahan University of Technology, Isfahan, Iran
فرزانه محمدی
Assistant Professor, Department of Environmental Health Engineering, School of Health, Isfahan University of Medical Sciences, Isfahan, Iran
هستی هاشمی نژاد
Assistant Professor, Department of Civil Engineering, Isfahan University of Technology, Isfahan, 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 :