مجله علمی پژوهشی

زمینه و هدف: امروزه صنعت سیمان به عنوان یکی از مهمترین صنایع آلوده کننده هوا در دنیا به شمار می­رود. فرآیند تولید سیمان هر ساله باعث تولید میلیون­ها تن، آلاینده از جمله گردوغبار، گاز­های سمی و فلزات سنگین شده که خطرات بهداشتی- تنفسی و آلودگی زیست محیطی را به دنبال خواهد داشت لذا آگاهی از غلظت آلاینده­ها می­تواند به عنوان اطلاعات کلیدی در برنامه­های کنترل آلودگی مورد استفاده قرار گیرد. کارخانه سیمان سبزوار به عنوان یکی از منابع انتشار ذرات معلق در جنوب غربی سبزوار قرار دارد. روش­های متعددی برای پیش­بینی غلظت آلاینده­ها هوا وجود دارد در این میان، در سال­های اخیر پیشرفت قابل توجهی در توسعه مدل­ شبکه­های عصبی برای پیش­بینی غلظت آلاینده­های هوا صورت گرفته است، که می­تواند به عنوان یک ابزار مناسب برای پیش­بینی کیفیت هوا در آینده و تعیین استراتژی­های کنترل انتشار آلاینده­ها تلقی شود. هدف از انجام این مطالعه، پیش­بینی میزان غلظت گردوغبار خروجی از دودکش اصلی کارخانه سیمان سبزوار با استفاده از مدل شبکه عصبی پرسپترون است.

روش بررسی: در این مطالعه، ابتدا میزان غلظت گردوغبار خروجی از دودکش اصلی کارخانه سیمان سبزوار به وسیله اندازگیری میدانی در سه فصل سال 97-1396 به دست آمد. تعداد 180 نمونه گردوغبار جمع­آوری شد. از پارامتر­های جریان گاز خروجی، درجه حرارت، ولتاژ، سوخت و خوراک کوره به عنوان داده­های ورودی شبکه عصبی پرسپترون، استفاده شد. برای آموزش شبکه، از الگوریتم لونبرگ-مارکوارت استفاده شد. برای ارزیابی شبکه از روش اعتبارسنجی متقابل k-fold با k=5 استفاده شد در این شیوه داده­ها را به 5 قسمت تقسیم و در هر بار اجرا، 4 گروه به عنوان آموزش و 1 گروه به عنوان آزمون درنظر گرفته شد شبکه­ای که در این میان، کمترین خطا را بر روی داده­های آزمون داشته باشد انتخاب شد. با اطلاعات مربوط به اندازه­گیری­های تجربی از میزان غلظت گردوغبار کارخانه سیمان سبزوار، تست عملکرد شبکه انجام شد. جهت بررسی میزان دقت مدل در پیش­بینی میزان غلظت گردوغبار، از شاخص­های ضریب همبستگی و میانگین مربعات خطا استفاده شد.

یافته­ها: نتایج نشان داد که مدل پرسپترون، در پیش­بینی میزان غلظت گردوغبار کارخانه سیمان سبزوار از دقت خوبی برخوردار است. به طوری که مدل شبکه عصبی پرسپترون در دو حالت، استفاده از همه پارامتر­ها و پارامتر تاثیر­گذار (درجه حرارت) قادر بود، میزان ضریب همبستگی به ترتیب، 98168/0 و 98249/0 و میزان میانگین مربعات خطا به ترتیب، 709/0 و 280/0 نشان دهد. که نشانگر همبستگی بیشتر و خطای کمتر مدل شبکه عصبی پرسپترون در حالت استفاده فقط از پارامتر درجه حرارت، نسبت به حالت همه پارامتر­ها در پیش­بینی میزان غلظت گردوغبار دارد.

نتیجه­گیری: به دلیل قابلیت بالای شبکه عصبی پرسپترون در پیش­بینی میزان غلظت گردوغبار، این مدل می­تواند، راهکار مناسب و سریع در مدیریت برتر میزان غلظت گردوغبار صنایع و اطمینان از نتایج پایش کیفی و کاهش هزینه­های آن مطرح شود.