توسعه ضرایب انتشار پارامتریک آلایندههای هوا از مشعلهای آزمایشگاهی با استفاده از مدل شبکههای عصبی و رگرسیون خطی چندمتغیره
[پایاننامه]
/جواد بضاعتپور
: مهندسی شیمی
۱۳۹۲
۱۸۱ ص
چاپی - الکترونیکی
کتابنامه در آخر پایان نامه
کارشناسی ارشد
مهندسی محیط زیست
۱۳۹۲/۰۶/۰۰
صنعتی سهند
یکی از منابع عمده آلاینده هوا در مناطق تولید نفت و گاز، مشعلها میباشند .در مشعلها به دلیل وجود شعله در نوک مشعل و نیز ارتفاع بلند آنها، تعیین مستقیم غلظت آلایندههای خروجی با استفاده از روشهای متداول اندازهگیری بسیار سخت است .بنابرین در سالهای اخیر از ضرایب انتشار برای تخمین میزان آلایندههای حاصل از مشعلهای گازی استفاده شده است . هدف از این تحقیق توسعه ضرایب انتشار آلایندههای گازی ناشی از احتراق در مشعلهای با مقیاس آزمایشگاهی میباشد. لذا در این راستا از دو مدل شبکه عصبی پیشرو چند لایه با یک لایه پنهان (MLP) و با تابع پایه شعاعی (RBF) و روش رگرسیون خطی چندمتغیره استفاده شده است. متغیرهای در نظر گرفته شده در انجام آزمایشها شامل عدد رینولدز و ریچاردسون جریان شعله، دبی بخار- هوای فوق گرم و سرعت باد بودند .نتایج ۱۲۸ آزمایش نشان داد که ضریب انتشار CO۲ و CO به شدت تحت تأثیر سرعت باد قرار دارند و ضریب انتشار NOX نیز متأثر از دبی بخار- هوای فوق گرم میباشد. با استفاده از شبکه عصبی MLP و شبکه عصبی RBF مدل بهینه برای تخمین ضرایب انتشار آلایندهها ایجاد شد. پس از اجرای مدلهای پیشگفته، معیار برازندگی ضریب همبستگی(R) ، متوسط مربعات خطا (MSE) و شاخص میانگین نسبی خطای مطلق (MARE) بین دو مدل و روش رگرسیون خطی چندمتغیره مقایسه شد. مقدار متوسط R سه آلاینده برای مدل شبکه عصبیMLP ،۰/۹۴ ، شبکه عصبی RBF ، ۰/۹۷ و روش رگرسیون خطی چندمتغیره ۰/۶۴ به دست آمد .همچنین مقدار متوسط مربعات خطا برای مدل شبکه عصبیMLP ،۰/۰۰۰۱۴۸ ، شبکه عصبیRBF ، ۰/۰۰۰۹۷ و شاخص میانگین نسبی خطای مطلق برای روش رگرسیون خطی چندمتغیره، ۰/۳۴۲۳۱ به دست آمد .نتایج حاکی از برتری مدل شبکههای عصبی بر روش رگرسیون خطی چندمتغیره داشت