توسعه ضرایب انتشار پارامتریک آلایندههای هوا از مشعلهای آزمایشگاهی با استفاده از مدل شبکههای عصبی و رگرسیون خطی چندمتغیره
General Material Designation
[پایاننامه]
First Statement of Responsibility
/جواد بضاعتپور
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: مهندسی شیمی
Date of Publication, Distribution, etc.
۱۳۹۲
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۸۱ ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
INTERNAL BIBLIOGRAPHIES/INDEXES NOTE
Text of Note
کتابنامه در آخر پایان نامه
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
مهندسی محیط زیست
Date of degree
۱۳۹۲/۰۶/۰۰
Body granting the degree
صنعتی سهند
SUMMARY OR ABSTRACT
Text of Note
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