| ارائه یک الگوریتم یادگیری ماشین نوین و کاربرد آن در تعیین درصد حذف بهینه رنگزاهای مختلف بر اساس تولید داده‌های مصنوعی |
| کد مقاله : 1103-IACC7 |
| نویسندگان |
|
مهدی ,ولیخان انارکی1، سعید فرزین *1، فریده نبی‌زاده چیانه2، فاطمه محمودیان2 1دانشگاه سمنان، گروه مهندسی آب و سازه‌های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان. 2دانشگاه سمنان، گروه شیمی کاربردی، دانشکده شیمی، دانشگاه سمنان. |
| چکیده مقاله |
| روش‌های یادگیری گروهی با تلفیق چندین ماشین یادگیری، مسائل مختلف را با دقت و کارآیی بالا حل می‌کنند و بر مشکل پیش‌برازش غلبه می‌کنند. کاربرد موفقی در زمینه‌های مختلف داشته‌اند. از طرفی، حذف رنگ‌زاها از پساب‌های صنعتی یک چالش مهم است که نیازمند تعداد زیادی آزمون آزمایشگاهی است. الگوریتم‌های هوش‌مصنوعی می‌توانند با هزینه قابل قبول داده‌های مصنوعی تولید و شرایط بهینه حذف رنگ‌زاها را تعیین کنند. در سال‌های اخیر، مطالعات موفقی در این زمینه شامل تولید داده‌های مصنوعی برای مصرف آب [1]،تراز آب‌های زیرزمینی [2] و درصد حذف الکتروشیمیایی سیپروفلوکساسین [3] می‌باشد. همچنین، تلفیق روش کریجینگ، ماشین بردار پشتیبان و الگوریتم بهینه‌سازی نهنگ برای تولید داده‌های مصنوعیِ حذف رنگزا راکتیو نارنجی و تعیین درصد حذف بهینه آن [4] و تلفیق توابع مفصل، ماشین‌های یادگیری، یادگیری عمیق برای تولید داده‌های مصنوعی درصد حذف چندین رنگزا [5]از دیگر تلاش‌های موفق در این رشته بوده است. با توجه به مرور منابع، علی‌رغم عملکرد قابل توجه روش‌های یادگیری گروهی، این روش‌ها برای تولید داده‌های مصنوعی جهت حذف رنگ‌زاها از پساب‌های صنعتی استفاده نشده‌اند. این روش‌ها می‌توانند با ارائه راه‌حل‌های بهینه دقیق و صرفه‌جویی در هزینه‌ها، جایگزین مناسبی برای مطالعات آزمایشگاهی یا مدل‌سازی‌های عددی جهت حذف رنگ‌زاها باشند. در این مطالعه، یک روش یادگیری گروهی با تلفیق روش کیسه‌گذاری و انتخاب نخبگانی برای تولید داده‌های مصنوعی حذف رنگ‌زاها و تعیین حداکثر درصد حذف آن‌ها ارائه می‌شود. این روش می‌تواند قابلیت زیادی برای تولید داده‌های مصنوعی در زمینه‌های علمی مختلف داشته‌باشد. |
| کلیدواژه ها |
| یادگیری گروهی، Random_BagStack_Ensemble، رنگزا، داده‌های مصنوعی، تصفیه فاضلاب مصنوعی |
| وضعیت: چکیده برای ارائه به صورت پوستر پذیرفته شده است |