مدلسازی گیاه پالایی نمک در وتلندهای مصنوعی حاوی گیاهان شورزیست با استفاده از شبکه عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی عمران، واحد اسفراین، دانشگاه آزاد اسلامی، اسفراین، ایران

2 دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف، تهران، ایران

چکیده

گیاه پالایی نمک از آبهای شور به عنوان یک روش طبیعی شوری زدایی در سالهای اخیر مورد توجه برخی محققین قرار گرفته است. بدین منظور از گیاهان شورزیست در وتلندهای مصنوعی استفاده می شود. با توجه به پیچیدگی پدیده های حاکم بر عملکرد وتلندهای مصنوعی، برای مدلسازی آنها را اغلب به صورت جعبه سیاه در نظر می گیرند. در این مقاله با این رویکرد، مدلسازی گیاه پالایی نمک در وتلند مصنوعی با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه انجام شد. لایه های ورودی و خروجی شبکه شامل پنج متغیر هدایت الکتریکی و غلظت یونهای کلسیم، منیزیم، سدیم و کلراید آب ورودی و خروجی وتلند مورد مطالعه بود. این داده ها که شامل 24 سری بود با گزینش تصادفی به دو دسته داده های آموزش و آزمون تقسیم شد. شبکه های با 1 و 2 لایه پنهان و تعداد مختلف نرون با استفاده از داده های آموزش، آموزش داده شدند و دو شبکه بهینه انتخاب گردید. شبکه های انتخاب شده با استفاده از داده های آزمایش شبیه سازی شدند. نتایج حاکی از آن بود که این دو شبکه با تقریب خوبی قادر به پیش بینی نتایج گیاه پالایی نمک در وتلند مصنوعی بودند.

کلیدواژه‌ها


عنوان مقاله [English]

Modeling of salt phytoremediation in constructed wetlands containing halophytic plants using Artificial Neural Network

نویسندگان [English]

  • Abolfazl Farzi 1
  • Seyed Mehdi Borghei 2
1 Department of Civil Engineering, Esfarayen Branch, Islamic Azad University, Esfarayen, Iran
2 Faculty of Chemical and Petroleum Engineering, Sharif University of Technology, Tehran, Iran
چکیده [English]

Salt phytoremediation from saline waters has been considered by some researchers in recent years as a natural method of desalination. For this purpose, halophytic plants are used in constructed wetlands. Due to the complexity of the phenomena governing the performance and constructed wetlands, they are often considered as black boxes for modeling. In this paper, the modeling of salt phytoremediation in constructed wetlands was performed using a multi-layer perceptron artificial neural network. The input and output layers of the networks, included five variables of Electrical Conductivity and concentration of calcium, magnesium, sodium and chloride of the influent and effluent of the studied Constructed Wetland. The data of 24 series, was randomly divided into two categories of training and test data. The networks with 1, 2 hidden layers and different number of neurons were trained and two optimal networks were selected. Selected networks were simulated using experimental data. The results indicated that the two networks were able to predict the results of the salt phytoremediation in constructed wetlands with good approximation.

کلیدواژه‌ها [English]

  • “Salt Phytoremediation”
  • “Constructed Wetlands”
  • “Halophyte”
  • “Artificial Neural Network”
  • “Modelling”