| ارزیابی کارآیی الگوریتم‌های بهینه‌سازی مبتنی بر Levenberg-Marquardt در شناسایی میزان تاثیر داده‌های حاصل از سنجش پساب واحدهای لبنی |
| کد مقاله : 1322-IWWA |
| نویسندگان |
|
داوود دانش پژوه * سازمان حفاظت محیط زیست ایران، اداره کل حفاظت محیط زیست خراسان رضوی، مشهد، ایران، |
| چکیده مقاله |
| بهینه‌سازی شاخه‌ای از علم ریاضیات است که با تبدیل مسائل واقعی به مدل ریاضی در صدد حل آنها بر می‌آید. برای یک مساله ممکن است جواب‌های مختلفی وجود داشته باشد که برای مقایسه آنها و یافتن جواب بهینه، تابعی به نام تابع هدف تعریف می‌شود. لذا هدف، یافتن مقدار متغیرهایی است که تابع هدف را بهینه می‌کند. در این مقاله با ارزیابی کارآیی الگوریتم‌های بهینه‌سازی مبتنی بر لونبرگ-مارکوارت (LMA) که روشی است برای یافتن کمینه یک تابع غیر خطی چند متغیره، نسبت به شناسایی میزان تاثیر داده‌های حاصل از سنجش پساب واحدهای لبنی اقدام گردیده است که در این خصوص، ضمن طراحی یک شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) که با دو الگوریتم بهینه‌سازی لونبرگ-مارکوارت و پس‌انتشار منظم بیزی آموزش دیده است به بررسی و ارزیابی کارآیی آنها مبادرت گردید. با بررسی معیار ارزیابی رگرسیون خطی حاصل از اجرای الگوریتم‌های مذکور، مشخص شد که برای الگوریتم بهینه‌سازی لونبرگ-مارکوارت بیشترین دقت مربوط به آن گروه از دادههایی است که فاقد پارامتر pH بوده که به میزان 0.96303 و شیب نزول 1.66e14 و نیز با بررسی همین معیار ارزیابی برای الگوریتم بهینه‌سازی پس‌انتشار منظم بیزی بیشترین دقت مربوط به آن گروه از دادههایی است که کلیه پارامترهای سنجش کیفیت پساب را به میزان 0.99966 و با شیب نزول 08-9.72e دارا می‌باشد. لذا یافته‌های این مقاله نشان می‌دهد که بدون حذف پارامترهای تاثیرگذار TSS و pH و تغذیه شبکه عصبی مصنوعی از کلیه پارامترهای مورد سنجش پساب واحدهای لبنی، بیشترین دقت و کارآیی معطوف به الگوریتم بهینه‌سازی پس‌انتشار منظم بیزی شناسایی گردید. |
| کلیدواژه ها |
| بهینه‌سازی، لونبرگ-مارکوارت، پس‌انتشار منظم بیزی |
| وضعیت: پذیرفته شده |
