TI - Comparision between ANN, Fuzzy regression and ANFIS analysis in prediction of coagulation and floculation process PT - JOURNAL ARTICLE TA - mdrsjrns JN - mdrsjrns VO - 16 VI - 3 IP - 3 4099 - http://mcej.modares.ac.ir/article-16-2112-fa.html 4100 - http://mcej.modares.ac.ir/article-16-2112-fa.pdf SO - mdrsjrns 3 AB  - فرایند انعقاد و لخته سازی یکی از فرایندهای اصلی در تصفیه آب است. تاثیر پارامترهای مختلف بر این فرایند همواره یک بحث اساسی در راهبری تصفیه خانه‌های آب بوده و سال‌های مختلف از آزمایش جار برای این منظور استفاده شده است. در این مطالعه از سیستم استنتاج عصبی- فازی تطبیقی (ANFIS)، شبکه‌های عصبی مصنوعی (دو مدل پیشخور و پایه شعاعی) و تحلیل رگرسیون فازی جهت پیش‌بینی میزان نهایی کدورت پس از فرآیند انعقاد و لخته‌سازی در تصفیه‌خانه‌‌های آب 3 و 4 تهران استفاده شد. پارامترهای بکار رفته در مدلسازی کیفیت آب خروجی شامل نوع منعقدکننده (انواع پلی‌آلومینیوم‌کلراید (PAC))، غلظت منعقدکننده، کدورت ورودی و pH آب خام بوده است. نتایج نشان داد که شبکه‌های عصبی مصنوعی و تحلیل رگرسیون فازی نسبت به سیستم استنتاج عصبی- فازی تطبیقی توانایی بالاتری در پیش‌بینی راندمان حذف کدورت در شرایط مختلف آزمایشگاهی داشته و قابل جایگزینی با روش-های زمان‌بر و هزینه‌بر مانند آزمایش جار می‌باشند. بهترین شبکه ساخته‌شده جهت پیش‌بینی کدورت آب تصفیه‌شده در این مطالعه، شبکه پیشخور با دو لایه مخفی و تعداد 6 و 8 نرون و توابع انتقال Tansig و Purelin به ترتیب در لایه‌های اول و دوم، با استفاده از داده‌های نرمال‌شده و با اصلاح تابع کارایی بوده است. این شبکه موفق به پیش‌بینی فرایند انعقاد با ضریب همبستگی 96/0، شاخص تطابق 99/0 و مجذور میانگین مربعات خطای 0106/0 گردید. بهترین راندمان سیستم در شرایط بهره‌برداری با کدورت اولیه NTU 160، pH معادل 8، منعقد کننده PAC نوع I با دوز mg/L 19 و با راندمان 5/99 درصد تعیین شد. CP - IRAN IN - LG - eng PB - mdrsjrns PG - 73 PT - YR - 2016