Tytuł artykułu
Autorzy
Identyfikatory
Warianty tytułu
Zastosowanie sieci neuronowych w modelowaniu matematycznym procesu sedymentacji
Języki publikacji
Abstrakty
The sedimentation devices are commonly used in the clarifying of industrial suspensions and in the civil engineering. The sedimentation efficiency plays very important role in the environmental protection. The aim of the research was to investigate the possibilities of applying neural networks in computing the efficiency of sedimentation processes. Input data were the results of computer stimulation performed according to the mathematical model taking into account the overflow rate in the sedimentation facilities and physical parameters of the suspension, such as probability density function of solid particle size. Two probability density functions of solid particle size were compared: log-normal distribution and gamma distribution. Feed-forward neural networks (with no feedback and with one- stream flow of information) were applied in research work. Teacher-supervised teaching, according to back-propagation method with the use of Levenberg-Marquardt algorithm, was chosen. When neural networks were taught with the use of sets including less than 400 data elements, the errors were more than 1%. Neural networks taught by means of series including more than 500 data sets would yield acceptable results and the error was less than 1%. Accordingly, one can presume that the smallest teaching set is the one composed of 500 data elements. The best results were obtained when the number of data sets was about 5 000 - the differences in computed sedimentation efficiency were then less than 0.5%. A further increase in the number of data elements - above 5 000 - would lead to lower accuracy of calculations.
Urządzenia sedymentacyjne są powszechnie stosowane w oczyszczaniu zawiesin przemysłowych i w gospodarce komunalnej. Efektywność procesu sedymentacji ma ważne znaczenie w ochronie środowiska. Celem badań było rozpoznanie możliwości zastosowania sieci neuronowych do obliczania efektywności procesu sedymentacji. Jako dane wejściowe do przetwarzania wzięto wyniki obliczeń otrzymanych z symulacji komputerowych prowadzonych według modelu matematycznego uwzględniającego obciążenie powierzchniowe w urządzeniu sedymentacyjnym oraz parametry fizyczne zawiesiny, w tym gęstość rozkładu prawdopodobieństwa wielkości cząstek fazy stałej. Rozważano i porównywano dwa typy funkcji gęstości rozkładu wielkości cząstek fazy stałej zawiesiny: rozkład logarytmiczno-normalny i uogólniony rozkład gamma. Badania zostały przeprowadzone za pomocą sieci typu feed-forward (bez sprzężenia zwrotnego o jednym kierunku przepływu informacji). Wybrano sposób uczenia z nauczycielem metodą wstecznej propagacji błędu (backpropagation) według algorytmu Levenberg-Marquardta. W przypadku, gdy sieci były uczone za pomocą zbiorów zawierających poniżej 400 zestawów danych wówczas popełniane błędy przekraczały wartość 1%. Sieci uczone za pomocą zbiorów zawierających około 500 zestawów danych dawały możliwe do zaakceptowania wyniki. Popełniany przez nie błąd był mniejszy niż 1%. Na tej podstawie można wnioskować, że najmniejszym uczącym zbiorem danych, jest zbiór zawierający około 500 zestawów. Najlepsze wyniki obliczeń uzyskano, gdy liczba zestawów wynosiła 5 tysięcy - różnice obliczeń efektywności sedymentacji wynosiły poniżej 0.5 %. Dalsze zwiększanie liczby zestawów danych powyżej 5 tysięcy obniżało dokładność obliczeń.
Czasopismo
Rocznik
Tom
Strony
59--70
Opis fizyczny
wykr., bibliogr. 16 poz.
Twórcy
autor
autor
autor
- University of Mining and Metallurgy, Faculty of Mechanical Engineering and Robotics Department of Technological Facilities and Environmental Protection, Mickiewicza Str. 30, 30-059 Cracow
Bibliografia
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BUS1-0012-0037
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.