توضیحات :
مجله علمی پژوهشی سلامت کار ایران
دوره ۱۷ – شماره ۱ – سال ۱۳۹۹
نویسندگان : سید سعید کیخسروی ، فرهاد نژاد کورکی ، محمود امین طوسی
چکیده :
زمینه و هدف: امروزه صنعت سیمان به عنوان یکی از مهمترین صنایع آلوده کننده هوا در دنیا به شمار میرود. فرآیند تولید سیمان هر ساله باعث تولید میلیون ها تن، آلاینده از جمله گردوغبار، گازهای سمی و فلزات سنگین شده که خطرات بهداشتی- تنفسی و آلودگی زیست محیطی را به دنبال خواهد داشت لذا آگاهی از غلظت آلاینده ها میتواند به عنوان اطلاعات کلیدی در برنامه های کنترل آلودگی مورد استفاده قرار گیرد. کارخانه سیمان سبزوار به عنوان یکی از منابع انتشار ذرات معلق در جنوب غربی سبزوار قرار دارد. روشهای متعددی برای پیشبینی غلظت آلاینده ها هوا وجود دارد در این میان، در سالهای اخیر پیشرفت قابل توجهی در توسعه مدل شبکه های عصبی برای پیش بینی غلظت آلاینده های هوا صورت گرفته است، که میتواند به عنوان یک ابزار مناسب برای پیشبینی کیفیت هوا در آینده و تعیین استراتژیهای کنترل انتشار آلاینده ها تلقی شود. هدف از انجام این مطالعه، پیشبینی میزان غلظت گردوغبار خروجی از دودکش اصلی کارخانه سیمان سبزوار با استفاده از مدل شبکه عصبی پرسپترون است.
روش بررسی: در این مطالعه، ابتدا میزان غلظت گردوغبار خروجی از دودکش اصلی کارخانه سیمان سبزوار به وسیله اندازگیری میدانی در سه فصل سال ۹۷-۱۳۹۶ به دست آمد. تعداد ۱۸۰ نمونه گردوغبار جمعآوری شد. از پارامترهای جریان گاز خروجی، درجه حرارت، ولتاژ، سوخت و خوراک کوره به عنوان دادههای ورودی شبکه عصبی پرسپترون، استفاده شد. برای آموزش شبکه، از الگوریتم لونبرگ-مارکوارت استفاده شد. برای ارزیابی شبکه از روش اعتبارسنجی متقابل k-fold با k=5 استفاده شد در این شیوه دادهها را به ۵ قسمت تقسیم و در هر بار اجرا، ۴ گروه به عنوان آموزش و ۱ گروه به عنوان آزمون درنظر گرفته شد شبکهای که در این میان، کمترین خطا را بر روی دادههای آزمون داشته باشد انتخاب شد. با اطلاعات مربوط به اندازه گیری های تجربی از میزان غلظت گردوغبار کارخانه سیمان سبزوار، تست عملکرد شبکه انجام شد. جهت بررسی میزان دقت مدل در پیشبینی میزان غلظت گردوغبار، از شاخص های ضریب همبستگی و میانگین مربعات خطا استفاده شد.
یافته ها: نتایج نشان داد که مدل پرسپترون، در پیشبینی میزان غلظت گردوغبار کارخانه سیمان سبزوار از دقت خوبی برخوردار است. به طوری که مدل شبکه عصبی پرسپترون در دو حالت، استفاده از همه پارامترها و پارامتر تاثیرگذار (درجه حرارت) قادر بود، میزان ضریب همبستگی به ترتیب، ۹۸۱۶۸/۰ و ۹۸۲۴۹/۰ و میزان میانگین مربعات خطا به ترتیب، ۷۰۹/۰ و ۲۸۰/۰ نشان دهد. که نشانگر همبستگی بیشتر و خطای کمتر مدل شبکه عصبی پرسپترون در حالت استفاده فقط از پارامتر درجه حرارت، نسبت به حالت همه پارامترها در پیشبینی میزان غلظت گردوغبار دارد.
نتیجه گیری: به دلیل قابلیت بالای شبکه عصبی پرسپترون در پیشبینی میزان غلظت گردوغبار، این مدل میتواند، راهکار مناسب و سریع در مدیریت برتر میزان غلظت گردوغبار صنایع و اطمینان از نتایج پایش کیفی و کاهش هزینه های آن مطرح شود.
واژههای کلیدی : کارخانه سیمان ، شبکه های عصبی مصنوعی ، آلودگی هوا ، گرد و غبار
<< ادامه مطلب را در فایل پیوست مطالعه فرمایید >>