تعيين شرايط بهينه نحوه تخريب زيستي فرمالدئيد توسط رالوستينا ايوتروفا با استفاده از شبكه عصبي مصنوعي

در مطالعه حاضر، شبكه های عصبی مصنوعی برای پیش بینی میزان حذف اكسیژن شیمیایی مورد نیاز و نرخ تخریب فرمالدئید حذفی در راكتور زیستی توسط باكتری رالوستینا ایوتروفا استفاده شد. غلظت اولیه فرمالدئید، میزان جریان برگشتی بسترها، میزان هوادهی و دمای سیستم بعنوان ورودی به شبكه استفاده شده است. شبكه های عصبی مصنوعی Feed-forward با آرایش 2-3-4 قادر به پیش بینی وضعیت بهینه برای نرخ اكسیژن شیمیایی مورد نیاز و نرخ تخریب فرمالدئید كه هر دو از آنها خروجی از سیستم می باشند، بكار می روند. تعدادی آزمایش انجام شد و داده هایی در نتیجه آزمایش جمع آوری شده بودند، در ادامه آموزش شبكه با استفاده از یك، سه، هفت و ... لایه های پنهان از شبكه عصبی انجام شده بودند. نتایج نشان می دهد كه این شبكه با نیاز شیمیایی و نرخ تخریب فرمالدئید دارد و ارتباط مستقیمی در بین نمودار با داده های بدست آمده وجود دارد.

IN THIS PROJECT, WE STUDY BIODEGRADATION OF THE FORMALDEHYDE BY RALSTONIA EUTROPHA THROUGH USING ARTIFICIAL NEURAL NETWORK .LABORATORY METHOD COULD NOT OBTAIN THE DEGRADATION OF FORMALDEHYDE ACCURACY SO THE ARTIFICIAL NEURAL NETWORK RESULTS WITH GREAT ACCURACY IN THE SHORTEST TIME TO GIVE US PRECISE PREDICTIONS FROM SYSTEMS CONDITION. IN THIS STUDY THE NETWORK IS MULTI LAYER PERCEPTRON AND THE TRAINING ALGORITHM IS LEVENBERG – MARQUARDT WHICH THE NETWORK WITH ALGORITHM 4-3-2 LAYERS, CONSIST OF THREE HIDDEN NEURON HAS THE BEST PERFORMANCE. INITIAL FA CONCENTRATION, RECYCLING SUBSTRATE FLOW RATE, AERATION RATE AND SYSTEM’S TEMPERATURE WERE USED AS INPUTS TO THE NETWORK AND CHEMICAL OXYGEN DEMAND (COD) REMOVE, FA DEGRADATION RATE AS OUTPUT OF THE SYSTEMS. THE RESULTS SHOW THAT THE PROPOSED CORRELATION HAS GOOD ABILITY FOR PREDICTING THE CHEMICAL OXYGEN DEMAND (COD) REMOVE AND FA DEGRADATION RATE.