کاربرد مدل های یادگیری ماشین برای پیش بینی قابلیت جذب فیلتر تراشه های لاستیکی
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
در دهه های اخیر خطر بالقوه فلزات سنگین در پساب ها و ورود آب به منابع آب سطحی و زیرزمینی به طور فزاینده ای مورد توجه جامعه جهانی قرار گرفته است. هدف از این مطالعه ارایه یک روش غیرمستقیم به منظور برآورد بازده جذب فیلتر تراشه های لاستیکی برای فلزات سنگین سرب، روی و منگنز از پساب صنعتی است. آزمایش های جذب ستونی در شرایط مزرعه، بصورت فاکتوریل با سه فاکتور در قالب طرح کاملا تصادفی با سه تکرار انجام شد. فاکتورهای مورد مطالعه شامل سه فاکتور اندازه ذرات (دو سطح 5/0 و 5 سانتی متر)، ضخامت فیلتر (سه سطح 10، 30 و 50 سانتی متر) و زمان تماس جاذب با محلول بود. جذب عناصر با استفاده از 6 مدل رگرسیون خطی، درخت رگرسیونی، شبکه عصبی مصنوعی، جنگل تصادفی، کیوبیست و ماشین بردار پشتیبان بر اساس مجموعه دیتای آزمایشات جذب میدانی مدل سازی شد. نتایج نشان داد مدل های جنگل تصادفی، شبکه عصبی مصنوعی، درخت رگرسیونی و کیوبیست برای پیش بینی راندمان جذب در هر سه عنصر عملکرد قابل قبولی داشتند. با این حال، با توجه به ضریب R2 و خطای میانگین مربعات ریشه، جنگل تصادفی و شبکه عصبی مصنوعی عملکردرضایت بخش تری نسبت به درخت رگرسیونی و کیوبیست مدل نشان دادند. بررسی اهمیت متغیرهای ورودی در دقت پیش بینی نیز نشاندهنده اهمیت بالای پارامتر زمان تماس جاذب با محلول فلزی در تمامی مدل های یادگیری ماشین بود. قابلیت پیش بینی دقیق مدل های توسعه داده شده می تواند به طور معنی داری بار کاری آزمایش های میدانی مانند راندمان جذب تراشه های لاستیکی را کاهش دهد. اهمیت نسبی متغیرها نیز می تواند مسیر صحیحی را برای تصفیه بهتر فلزات سنگین ایجاد کند.
کلیدواژگان:
زبان:
فارسی
صفحات:
197 تا 208
لینک کوتاه:
magiran.com/p2418847
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!