Naslov | Statistička analiza i modeliranje neuronskom mrežom procesa obrade komunalne vode |
Autor | Anita Bevetek |
Voditelj/Mentor | Želimir Kurtanjek (mentor)
|
Sažetak rada | Obrada otpadne vode s aktivnim muljem izrazito je složen proces, a nestalnost sastava i protoka otpadne vode te vremenski promjenjive reakcije mikroorganizama uvjetuju njegovu nelinearnost i dinamičnost. S tim u skladu i njegovo je optimalno vođenje otežano, ali pravilno izrađeni model mogao bi poslužiti kao rješenje problema. Stoga je u ovom radu izrađeno nekoliko modela za opis tog procesa na uređaju grada Velika Gorica ("Velkom"), a s ciljem predviđanja KPK vrijednosti efluenta. Izrađeni su modeli: viševarijantni linearni model sa 16 varijabli, model lokalne linearne regresije sa 17 varijabli te model RBF neuronske mreže sa 18 varijabli. Kao najuspješniji u predviđanju ponašanja procesa (korelacija 0,83) pokazao se RBF model, kojim su utvrđeni i optimalni uvjeti za vođenje procesa (protok 120 - 145 L/s i suha tvar biomase aktivnog mulja 2,5 - 4 kg/m³). |
Ključne riječi | komunalne vode KPK modeliranje neuronske mreže |
Naslov na drugom jeziku (engleski) | Statistical analysis and naural network modelling of sewer wastewater biological treatment |
Ustanova koja je dodijelila akademski/stručni stupanj | Sveučilište u Zagrebu Prehrambeno-biotehnološki fakultet |
Ustrojstvena jedinica niže razine | Zavod za procesno inženjerstvo Laboratorij za mjerenje, regulaciju i automatizaciju |
Mjesto | Zagreb |
Država obrane | Hrvatska |
Znanstveno područje, polje, grana | BIOTEHNIČKE ZNANOSTI Biotehnologija
|
Vrsta studija | sveučilišni |
Stupanj | dodiplomski |
Naziv studijskog programa | Biotehnologija; smjerovi: Biokemijsko inženjerstvo |
Smjer | Biokemijsko inženjerstvo |
Akademski / stručni naziv | diplomirani inženjer biotehnologije; smjer biokemijsko inženjerstvo |
Kratica akademskog / stručnog naziva | dipl. ing. bioteh. |
Vrsta rada | diplomski rad |
Jezik | hrvatski |
Datum obrane | 2005-07-08 |
Sažetak rada na drugom jeziku (engleski) | Activated sludge wastewater treatment is a highly complex process, and variations in wastewater flow rate and its composition, combined with time-varying reactions of microorganisms, make this process non-linear and dynamic. Due to this fact, process control is very sensitive but a proper model could present a solution for this problem. In this paper several models have been tested for prediction of COD in effluent of wastewater treatment plant "Velkom" in Velika Gorica. Proposed models are: Multivariate Linear Regression model (MLR) with 16 predictor variables included, Piecewise Linear Regression model (PLR) with 17 predictor variables and RBF Neural Network model (RBF NN) with 18 predictor variables included. Analysis of results show most successful prediction of process behaviour by RBF NN, with correlation 0,83, which is then used for estimating optimal operative conditions (wastewater flow rate should be in range 120-145 L/s and concentration of activated sludge dry matter between 2,5 – 4 kg/m³). |
Ključne riječi na drugom jeziku (engleski) | COD modelling neural network sewer wastewater |
Vrsta resursa | tekst |
Prava pristupa | Rad dostupan samo djelatnicima i studentima matične ustanove |
Uvjeti korištenja rada |  |
URN:NBN | https://urn.nsk.hr/urn:nbn:hr:159:121423 |
Pohranio | Valter Ilić |