دوره 18، شماره 2 - ( 4-1401 )
جلد 18 شماره 2 صفحات 94-83 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mousavikia N, Mohammadi F, Hasheminejad H. Prediction and Optimization of Ultrasound-Assisted Removal of Estrogen Hormones from Municipal Wastewater Using Artificial Neural Network and Genetic Algorithm: A Review Approach. J Health Syst Res 2022; 18 (2) :83-94
URL: http://hsr.mui.ac.ir/article-1-1312-fa.html
URL: http://hsr.mui.ac.ir/article-1-1312-fa.html
موسوی‌کیا نسرین، محمدی فرزانه، هاشمی‌نژاد هستی. پیش‌بینی و بهینه‌سازی شاخص‌های حذف هورمون‌های استروئیدی از فاضلاب شهری به روش اولتراسوند با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک: یک رویکرد مروری. مجله تحقیقات نظام سلامت. 1401; 18 (2) :83-94
1- دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران
2- استادیار، گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
3- استادیار، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران
2- استادیار، گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
3- استادیار، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران
چکیده: (2029 مشاهده)
مقدمه: استروژن‌ها از ریزآلاینده‌های فاضلاب به شمار می‌روند که اثرات مخربی بر موجودات زنده آب می‌گذارند. گزارش‌های زیادی اثرات نامطلوب مانند زنانه شدن ماهی‌ها، هورمون‌های استروژن در محیط را مستند می‌کند. یکی از منابع عمده این ترکیبات، پساب‌های فاضلاب شهری است. فرایندهای بیولوژیکی در تصفیه‌خانه‌های فاضلاب شهری نمی‌تواند این ترکیبات را به طور کامل حذف کند. بنابراین، روشی برای تصفیه هورمون‌ها مورد نیاز است. روش اولتراسونیک فرایند مؤثری برای حذف ریزآلاینده‌ها می‌باشد. هدف از انجام پژوهش حاضر، مدل‌سازی و بهینه‌سازی حذف دو هورمون [استرون (E1) و 17 بتااسترادیول (E2)] از فاضلاب به روش اولتراسوند با استفاده از شبکه عصبی مصنوعی (Artificial neural network یا ANN) با رویکرد الگوریتم ژنتیک (Genetic algorithms یا GA) بود.
روش‌ها: بررسی متون از سال 2000 تا 2021 انجام شد و نتایج مطالعات مرتبط، برای مدل‌سازی مورد استفاده قرار گرفت. یک مدل شبکه‌ای دو لایه Feed-Forward Back-Propagation Neural Network (FFBPNN) طراحی شد. الگوریتم‌های آموزشی مختلف مورد ارزیابی قرار گرفت و الگوریتم Levenberg Marquardt (LM) به عنوان بهترین الگوریتم انتخاب گردید.
یافته‌ها: وجود 12 نورون در لایه پنهان، منجر به بالاترین R (ضریب همبستگی) و کمترین خطای میانگین مربعات (Mean squared error یا MSE) و خطای مطلق میانگین (Mean absolute error یا MAE) شد. نتایج GA شرایط بهینه عملکرد را تعیین کرد. بدین ترتیب، افزایش pH و Power density، راندمان حذف هورمون‌ها از فاضلاب را افزایش می‌دهد.
نتیجه‌کیری: در نهایت، تجزیه و تحلیل حساسیت با استفاده از ANN-GA و همبستگی Spearman انجام شد و نتایج کاملاً سازگار بود
روش‌ها: بررسی متون از سال 2000 تا 2021 انجام شد و نتایج مطالعات مرتبط، برای مدل‌سازی مورد استفاده قرار گرفت. یک مدل شبکه‌ای دو لایه Feed-Forward Back-Propagation Neural Network (FFBPNN) طراحی شد. الگوریتم‌های آموزشی مختلف مورد ارزیابی قرار گرفت و الگوریتم Levenberg Marquardt (LM) به عنوان بهترین الگوریتم انتخاب گردید.
یافته‌ها: وجود 12 نورون در لایه پنهان، منجر به بالاترین R (ضریب همبستگی) و کمترین خطای میانگین مربعات (Mean squared error یا MSE) و خطای مطلق میانگین (Mean absolute error یا MAE) شد. نتایج GA شرایط بهینه عملکرد را تعیین کرد. بدین ترتیب، افزایش pH و Power density، راندمان حذف هورمون‌ها از فاضلاب را افزایش می‌دهد.
نتیجه‌کیری: در نهایت، تجزیه و تحلیل حساسیت با استفاده از ANN-GA و همبستگی Spearman انجام شد و نتایج کاملاً سازگار بود
نوع مطالعه: كاربردي |
موضوع مقاله:
مهندسی بهداشت محیط
دریافت: 1400/6/6 | پذیرش: 1401/1/20 | انتشار: 1401/4/15
دریافت: 1400/6/6 | پذیرش: 1401/1/20 | انتشار: 1401/4/15
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
