Tác giả
Đơn vị công tác
1 Khoa Môi trường - Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia TP.HCM
Tóm tắt
Mạng Nơron mô hình cấu trúc được sử dụng khai thác rộng rãi đề nghiên cứu, tính toán trong nhiều lĩnh vực khác nhau. Trong lĩnh vực môi trường, lý thuyết mạng nơron được dùng để tính toán và dự đoán kết quả đầu ra của hệ thống xử lý nước thải hoặc đánh giá khả năng tái sử dụng nguồn nước sau khi xử lý... Trong bài báo này tác giả muốn giới thiệu với bạn đọc mô hình mạng nơron được phát triển để tính toán và dự đoán chất lượng nước đầu ra của hệ thống xử lý nước thải Nhà máy sữa Cô gái Hà Lan. Các thông số dược quan trắc hằng ngày bao gồm: độ kiềm pH, lưu lượng Q, nhu cầu oxy hóa học COD và nồng độ chất rắn lơ lửng ss. cấu trúc của mô hình mạng nơron được xác định thông qua các bước luyện và kiểm tra mô hình. Thực tế cho thấy sai số trung bình của hai chương trình không chênh lệch nhiều. Như vậy kết quả tính toán các thông số chất lượng nước đầu ra của mô hình mạng nơron nhân tạo là chấp nhận được.
Từ khóa
Trích dẫn bài báo
Nguyễn Kỳ Phùng, Đậu Thị Dung (2006), Ứng dụng mạng nơron tính toán và dự đoán chất lượng nước đầu ra của hệ thống xử lý nước thải của nhà máy sữa cô gái Hà Lan. Tạp chí khí tượng thủy văn, 551, 23-30.
Tài liệu tham khảo
1. Nguyễn Hoàng Phương, Bùi Công Cường, Nguyễn Doãn Phước, Phan Xuân Minh, Chu Văn Hỷ. Hệ mờ và ứng dụng. Nhà xuất bản Khoa học và Kỹ thuật, 1998.
2. Nguyễn Đình Thúc. Trí tuệ nhân tạo - Mạng nơron phương pháp và ứng dụng. Nhà xuất bản Giáo dục, 2000.
3. Lư Nhật Vinh. Kết hợp mạng nơron và logic mờ để giải quyết bài toán kinh tế, 2001.
4. ASCE Task Committee on Application of Artificial Neural Networks in Hydrology. Artificial neural networks in Hydrology. Journal of Hydrologic Engineering, 2000, 5(2), 115- 123.
5. Ben Krose, Patrick van der Smagt. An introduction to neural networks. 1996.
6. Christos Stergiou, Dimitrios Siganos, Neural networks.
7. Colin Fyfe. Artificial neural networks, 1996.
8. J.c. Chen, N.B., Chang, W.K. Shieh, Assessing wastwater reclamation potential by neural network model, 2003.
9. Maier, H.R., Dandy, G.C. The use of artificial neural networks for the prediction of water quality parameters. Water Resources Research, 1996, 32(4), 1013-1022.
10. Maier, H.R., Dandy, G.C. Neural networks for predictions and forecasting of water resources variables: a review of modelling issues and applications, 1999.
11. James A. Freeman, David M. Skapura, Neural Networks Algorithms, Applications, and Pro gramming Techniques, Addison - Wesley Publishing Company.
12. Neelakanta, P.S., DeGroff, D. Neural Network Modeling: Statistical Mechanics and Cybernetic Perspectives, CRC Press. 1994.
13. Purvis, M., Kasabov, N., Benwell, G., Zhou, Q., Zhang, F. Neuro-fuzzy methods for environmental modelling.
14. Kenedy, R.L., Lee, Y., Roy, B.V., Red, C.D., Lip pann, R.P. Solving data mining problems through pattern Recognition, Prentice Hall PRT, 1995-1997.