Optimisation du dosage de coagulant dans une usine de traitement d'eau potable par des differants modéles de réseaux de neurones artificielles

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

La coagulation et la floculation dans le traitement de l'eau sont les moyens courants par lesquels l'utilisation de coagulant entraîne l'instabilité des particules et la formation de particules plus grosses et plus lourdes, ce qui entraîne une amélioration des processus de décantation et de filtration. La détermination de la dose optimale du coagulant est particulièrement importante.La technique des réseaux neuronaux artificiels est une technologie d'intelligence artificielle robuste qui peut modéliser le processus de traitement d’eau potable.Dans cette étude, trois modèles de réseaux de neurones, un perceptron multicouche (MLP), un réseaux de neurones a fonction de base radiale (RBF), et un réseau de neurones a régression générale (GRNN) afin de déterminer la dosage du coagulant à adopter dans le processus de la station de traitement de d'eau potable.Les données utilisées dans cette recherche ont été obtenues à partir de la station de traitement d'eau potable de Koudiet Medouar. Pour évaluer la performance du modèle, les paramètres de l'erreur quadratique moyenne (EQM), l'erreur moyenne absolue (EMA), le coefficient de régression (R), et du coefficient de Nash-Stucliffe (NSE) ont été utilisés.L'étude comparative de différentes valeurs des paramètres de performances obtenues démontre que le modèle de réseau de neurones à fonction de base radiale (RBF) sa grande précision en ce qui concerne la prédiction des dosages optimaux du coagulant.L'utilisation de ces modèles permettra donc aux opérateurs permettra de :1- Réduire les coûts et le temps nécessaire pour effectuer des tests expérimentaux du Jar-test ;2- Prédire un dosage approprié pour les quantités de coagulant afin d'assurer la production d'eau potable conforme aux normes algériennes. Coagulation and flocculation in water treatment are the common means by which the use of coagulant leads to particle instability and the formation of larger and heavier particles, resulting in improved settling and filtration processes. Determining the optimal dose of coagulant is particularly important.Artificial neural network technology is a robust artificial intelligence technologythat can model the drinking water treatment process. In this study, three neural network models, a multilayer perceptron (MLPNN), a radial basis function neural network (RBFNN), and a regression generalized neural network (GRNN) were utilized to predict the coagulant dosing to be adopted in the drinking water treatment plant process.The data used in this research were obtained from the drinking water treatment plant of Koudiat Medouar. To evaluate the performance of the model, the parameters of mean square error (MSE), mean absolute error (MAE), regression coefficient (R), and Nash-Stucliffe coefficient (NSE) were used. The comparative study of different values of the obtained performance parameters demonstrates that the Radial Basis Function Neural Network (RBF) model was the best model with highly accurate in predicting the optimal coagulant dosing. The use of these models will allow operators to:1-Reduce the costs, and time required to perform experimental Jar-tests;2-Predict an appropriate dosage for the quantities of coagulant in order to ensure the production of drinking water in compliance with Algerian standards

روابط وملفات

التعريف والنوع

رقم الوثيقة

05e41826-4e6f-443a-85ad-0ead3b3bcde2

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

ماستر (LMD)

نوع الملف

pdf text

أسماء الملفات

2088084_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":"ايمان خليف","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"مسعود جدو","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

French

المصدر والدورية

اسم المصدر

Optimisation du dosage de coagulant dans une usine de traitement d'eau potable par des differants modéles de réseaux de neurones artificielles

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

يعتبر التخثر و التلبد في معالجة المياه من الوسائل الشائعة التي يؤدي من خلالها استخدام مادة التخثر الى عدم استقرار الجسيمات و تكوين جزيئات اكبر و اثقل، مما يؤدي الى تحسين عمليات الترسيب و الترشيح .ان تحديد الجرعة المثلى لمخثر الدم مهم بشكل خاص.تقنية الشبكة العصبية الاصطناعية هي تقنية ذكاء اصطناعي قوية يمكنها نمذجة عملية معالجة مياه الشرب.في هذه الدراسة ،تم استخدام ثلاثة نماذج للشبكات العصبية،مدرك متعدد الطبقات (NNPMM)،و شبكة عصبية لوظيفة الاساس الشعاعي(NNFMM)،و شبكة عصبية معممة الانحدار(NNMM)،للتنبؤ بجرعات التخثر التي سيتم اعتمادها في معالجة مياه الشرب عملية النبات.تم الحصول على البيانات المستخدمة في هذا البحث من محطةمعالجة مياه الشرب في كودية مدور.لتقييم اداء النموذج تم استخداممعاملات متوسط الخطأالتربيعي(NSM)،متوسط الخطأالمطلق(NAM)،معاملالانحدار(N)،و معامل(MSM.)توضح الدراسة المقارنة للقيم المختلفة لمعلمات الاداء التي تم الحصول عليها ان نموذج الشبكة العصبية للوظيفة الشعاعية(NNF)كان افضل نموذج بدقة عالية في التنبؤ بجرعات التخثر المثلى.سيسمح استخدام هذه النماذج للمشغلين بما يلي:تقليلالتكاليف و الوقت اللازم لإجراءاختبارات الجرار التجريبية.-1توقع الجرعة المناسبة لكميات المخثر من اجل ضمان انتاج مياه الشرب المطابقة للمواصفات الجزائرية.

كلمات الباحثين

Eau potable Prédiction Coagulant

إشراف وإعداد

الإشراف

مسعود جدو

الإعداد

ايمان خليف

الاقتباسات الببليوغرافية