Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Chemia Analityczna

2 2006

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Application of fuzzy neural network for supporting measurements and control in a wastewater treatment plant

Skowroński Z. G., Skowrońska K. T., Biziuk M. K.

Chemia Analityczna

2006

Vol. 51, No. 3

351-363

Wastewater treatment has become a very important aspect of environmental protection. The main goal of a wastewater treatment plant (WWTP) is to reduce the level of waste-water pollution. The application of AT (artificial intelligence) techniques in wastewater treatment provides an alternative way of operating complex process, helps to reduce energy consumption and to improve the efficiency of the equipment. Modern control systems developed in the recent years are often based on complex mathematical models of the processes, which allow one to develop an optimized treatment strategy. However, they require the knowledge of several parameters that are not commonly measured in a WWTP or they are not measured with often enough for control purposes. One of them is COD (chemical oxygen demand). The procedure of its measurement is long and thus problematic. !n this work we have proposed a new approach to the COD control system and its further improvement applying FNN (fuzzy neural network). The main goal was to shorten and simplify determination of COD based on the on-line parameter. The developed approach is expected to be successfully applicable in the real time system control.

Oczyszczanie ścieków jest jednym z ważniejszych aspektów ochrony środowiska. Nowoczesne systemy kontroli w oczyszczalniach ścieków pozwalają na poprawę jakości procesu oczyszczania redukując jednocześnie koszty. Systemy kontroli i optymalizacji, jakie od kilku lat opracowuje się dla oczyszczalni ścieków, bazujązazwyczaj na skomplikowanych modelach matematycznych. Kluczowym problemem w zastosowaniu tych systemów jest duża liczba parametrów, które nie są zazwyczaj mierzone lub częstotliwość pomiarówjest nicwystarczającaz punktu widzenia systemów kontroli. ChZT (chemiczne zapotrzebowanie na tlen) jest jednym z takich parametrów. Odgrywa on kluczową rolę w modelowaniu procesów osadu czynnego, jednakże, ze względu na długi czas analizy, jego zastosowanie w układzie kontroli jest utrudnione. W tej pracy określono sposoby s/ybkiego wyznaczania przybliżonej wartości ChZT na podstawie innych parametrów z zastosowaniem rozmytych sieci neuronowych.

Application of a fuzzy neural network for river water quality prediction

Skowrońska K. T., Skowroński Z. G., Biziuk M. K.

Chemia Analityczna

2006

Vol. 51, No. 3

365-375

Monitoring and modelling of river water quality is one of the key elements in the global environmental monitoring policy and management. The control of complex and nonlinear systems, like rivers, is not an easy task. Usually, mathematical models are used for this purpose; however, sometimes these models require so much data that the response time is too long. An application of artificial intelligence (AI) helps to avoid disadvantages of mathematical models. This paper presents an application of the fuzzy neural network to the prediction of river water quality parameters. As an example, Cu concentration has been predicted.

Monitoring i modelowanie zmian w jakości wód powierzchniowych stanowią jeden z kluczowych elementów monitoringu i zarządzania ochroną środowiska na skale globalną. Kontrolowanie tak złożonych i nieliniowych w swojej charakterystyce obiektów, jakimi są rzeki, jest trudnym zadaniem. Zazwyczaj do tego celu wykorzystuje się modele matematyczne, jednak czasem wymagają one bardzo dużej ilości danych lub czas oczekiwania na odpowiedź (uzyskania danych wyjściowych) jest zbyt długi. Zastosowanie technik sztucznej inteligencji pomaga uniknąć części wad modeli matematycznych. Ta praca przedstawia zastosowanie rozmytych sieci neuronowych do przewidywania parametrów charakteryzujących jakość wody rzecznej na przykładzie przewidywania stężenia miedzi.