@Article{, title={Artificial Neural Networks Based Modeling of the ReverseOsmosis Process Performance دراسة نمذجة أداء عملية التناضح العكسي باعتماد الشبكات العصبية الاصطناعية}, author={Asseel Majid Rasheed}, journal={journal of kerbala university مجلة جامعة كربلاء}, volume={8}, number={3}, pages={158-176}, year={2010}, abstract={This investigation presents a methodology and practical guidelines for developing predictive models for reverse osmosis plants by a data-based approach using neural networks based on the back-propagation algorithm. This study utilizes actual operating data from reverse osmosis (RO) desalination plants. Our resulting neural network model is capable of accurately predicting the actual operating data from RO desalination plants, but the accuracy of a neural network model depends on both the proper selection of input variables and the broad range of data with which the network is trained. A neural network model can handle noisy data more effectively than statistical regression and performs better in predicting the performance variables of RO desalination plants. Permeate flux and salt passage are the key performance parameters. They are mainly influenced by variable parameters such as pressure, temperature, salt concentration, feed flow rate and pH of feed water. When the temperature of feed water is increased, the permeate flux and salt passage increase and permeate flux increases with decreasing pH and concentration of feed water and increasing pressure. The salt passage decreases with increasing pressure, when the concentration of feed and pH decrease too. When increasing the feed flow rate, the permeate flux and salt passage would be increased. A good agreement prediction is obtained using the ANN predictions and the experimental data with a deviation not more than 2% for most of the cases considered. The ANN interpolative levels (which were not represented in the training phase) is shown to be of lesser quality.

أن هذا البحث يقدم منهجيه و أَدِلَّه عمليه من اجل تطوير نماذج تنبئية لمنظومات التناضح العكسي بواسطة طريقة قاعدة البيانات مستخدماً الشبكة العصبية الاصطناعية المعتمدة على منهاج التكاثر الرجعي. علماٌ أن هذه الدراسة تستخدم بيانات التشغيل الفعلية من منظومات تحلية المياه بواسطة التناضح العكسي. حيث يعد النموذج الناتج لشبكه العصبية الاصطناعية قادراً على تنبّئ دقيق للبيانات العملية الفعلية من تحلية المياه بواسطة التناضح العكسي، لكن دقة الموديل للشبكة العصبية يعتمد على تحديد مناسب للمتغيرات الداخلة والمدى الواسع للبيانات مع الشبكة المتدربة. يمكن لنموذج الشبكة العصبية أن يعالج بيانات مضطربة بأكثر فعالية من انحسار إحصائي وقد يؤدي الأفضلية في تنبئ فعالية المتغيرات لمنظومات تحلية المياه بواسطة التناضح العكسي. كما أن الجريان الماء النافذ والنفوذ المِلْحِيّ يكونان الأبعاد الفعلية الرئيسية في الدرجة الأولى والتي تتأثر بالمتغيرات مثلا الضغط ودرجة الحرارة وتركيز الملح ومعدل الجريان وpH للماء الداخل. ومع ازدياد درجة حرارة الماء الداخل فان جريان الماء النافذ والنفوذ المِلْحِيّ يزداد, حيث ان جريان الماء النافذ يزداد بانخفاض pH وتركيز ملح الماء الداخل وازدياد الضغط. وكذلك النفوذ المِلْحِيّ يقل مع ازدياد الضغط وانخفض تركيز الملح وpH للماء الداخل أيضا. فإذا أزداد معدل جريان الماء الداخل، فان جريان الماء النافذ والنفوذ المِلْحِيّ سوف يزدادان. أن التنبؤ المنسجم الجيد يكون مُكْتَسَب باستخدام تنبؤات الشبكة العصبية الاصطناعية والبيانات العملية مع انحراف ليس اكثر من 2% لأغلب الحالات. وان مستويات الاستيفاء للشبكة العصبية الاصطناعية (التي ليست مُعَلَّمه في طور التدريب) تكون معروضة لأقل نوعيه.} }