سنجش کیفیت آب صنعتی مصرفی یک کارخانۀ شیمیایی با استفاده‌از هوش مصنوعی(وایازش لجستیک، بیز ساده، ماشین بردار پشتیبان، جنگل تصادفی و درخت تصمیم)
سنجش مستمر کیفیت آب کارخانه بسیار مهم است. روش‌های کنونی سنجش کیفیت آب از کارایی کافی برخوردار نیست. در این پژوهش برای حل چالش‌های ذکرشده، کاهش خطای انسانی، آنالیز دقیق‌تر و افزایش سرعت تشخیص، روشی نوین بااستفاده‌از مفاهیم هوش مصنوعی و یادگیری ماشین مطرح شده‌است. روش پیشنهادی پژوهش بااستفاده‌از 472...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Iranian Association of Chemical Engineering
2024-10-01
|
| Series: | مجله مهندسی شیمی ایران |
| Subjects: | |
| Online Access: | https://www.ijche.ir/article_181113_aebce96aafdeed839d2026b153223abc.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | سنجش مستمر کیفیت آب کارخانه بسیار مهم است. روش‌های کنونی سنجش کیفیت آب از کارایی کافی برخوردار نیست. در این پژوهش برای حل چالش‌های ذکرشده، کاهش خطای انسانی، آنالیز دقیق‌تر و افزایش سرعت تشخیص، روشی نوین بااستفاده‌از مفاهیم هوش مصنوعی و یادگیری ماشین مطرح شده‌است. روش پیشنهادی پژوهش بااستفاده‌از 472 نمونه‌داده‌های شیمیایی در نرم‌افزار MATLAB آموزش و اعتبار شده‌است. هر یک از نمونه‌داده‌ها دارای 6 ویژگی ورودd (pH، هدایت‌سنجی، سختی آب، کل مواد جامد محلول در آب، کلر آزاد و قلیائیت) و یک ویژگی خروجی (هدف) هستند. برای ارزیابی میزان کارایی سنجش کیفیت آب، از معیارهای ماتریس اغتشاش، دقت، صحت و بازخوانی استفاده شده‌است. بیشترین دقت مربوط‌به روش جنگل تصادفی است. صحت روش‌های درخت تصمیم، بیز ساده و ماشین بردار پشتیبان با هم برابر است. بیشترین میزان بازخوانی مربوط‌به روش درخت تصمیم است. روش هوش مصنوعی درخت تصمیم پیشنهادی با دقتی معادل با 70 درصد، صحت معادل با 98 درصد و بازخوانی برابر با 96 درصد نسبت‌به روش‌های وایازش لجستیک، بیز ساده، ماشین بردار پشتیبان و جنگل تصادفی، کارایی بیشتر و خطای کمتری را نشان داد. |
|---|---|
| ISSN: | 1735-5400 2008-2797 |