دانلود مقاله ISI انگلیسی شماره 52531
ترجمه فارسی عنوان مقاله

مدل سازی انعقاد با استفاده از شبکه های عصبی مصنوعی برای پیش بینی مه آلودگی و حذف جزء DOM-PARAFAC

عنوان انگلیسی
Coagulation modeling using artificial neural networks to predict both turbidity and DOM-PARAFAC component removal
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
52531 2015 10 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 6538 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 10 روز بعد از پرداخت 78,456 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 5 روز بعد از پرداخت 156,912 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Environmental Chemical Engineering, Volume 3, Issue 4, Part A, December 2015, Pages 2829–2838

ترجمه کلمات کلیدی
شبکه های عصبی مصنوعی - فلوئورسانس - مدل سازی انعقاد - مه الودی
کلمات کلیدی انگلیسی
Artificial neural networks; Fluorescence; PARAFAC; Coagulation Modeling; Turbidity
پیش نمایش مقاله
پیش نمایش مقاله مدل سازی انعقاد با استفاده از شبکه های عصبی مصنوعی برای پیش بینی مه آلودگی و حذف جزء DOM-PARAFAC

چکیده انگلیسی

In this study, four different neural network models were evaluated for predicting both turbidity and dissolved organic matter (DOM) removal during the coagulation process at the Akron Water Treatment Plant (Akron, Ohio, USA). DOM was monitored and characterized using fluorescence spectroscopy and parallel factor (PARAFAC) analysis, building upon previous research which identified three unique fluorescence components (C1, C2, and C3). Neural network models were built using operational data to predict each of the fluorescence components and turbidity after coagulation based on variable raw water quality and chemical doses. Correlation coefficients between measured and model predicted values for the final turbidity, C1, C2, and C3 models on an unseen test data set were 0.91, 0.95, 0.97, and 0.51, respectively. The predictive capability of the top performing model for each parameter was evaluated using parametric analysis, external validation criteria, and the absolute relative error distribution. Results suggest that the models for settled turbidity and the three settled component scores are valid and can be used to predict the removal of individual fractions of DOM (as measured by PARAFAC components) as a function of chemical dose and raw water quality, providing the water plant the ability to simultaneously manage two key water quality treatment objectives.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 6538 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 10 روز بعد از پرداخت 78,456 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 5 روز بعد از پرداخت 156,912 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.