شبیه سازی و برآورد میزان گردوغبار صنایع با مدل شبکه عصبی چند لایه پرسپترون (مطالعه موردی : کارخانه سیمان سبزوار)

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 >>

دانلود فایل