An adaptive neuro-fuzzy inference s

An adaptive neuro-fuzzy inference system was applied for modeling anaerobic digestion of primary sludge in a wastewater treatment plant [8]. The model satisfactorily predicted effluent volatile
solid and biogas yield. Holubar et al. [9] used several feed-forward back propagation neural networks to model and subsequently control biogas production in anaerobic digesters. Gas composition, biogas production rate, pH, volatile suspended solids and other parameters were measured and simulated to determine the best feeding profile.

ผลลัพธ์ (ไทย) 1:

ระบบการอนุมานปรับเลือนประสาทถูกนำไปใช้สำหรับการสร้างโมเดลย่อยอาหารที่ไม่ใช้ออกซิเจนของตะกอนในการบำบัด [8] แบบน่าพอใจคาดว่า น้ำระเหยผลผลิตของแข็งและก๊าซชีวภาพ Holubar et al. [9] ใช้เครือข่ายประสาทหลังฟีดไปเผยแพร่หลายรุ่นและต่อมาควบคุมการผลิตก๊าซชีวภาพในเครื่องย่อยแบบไม่ใช้ออกซิเจน องค์ประกอบของก๊าซ อัตราการผลิตก๊าซชีวภาพ ค่า pH ปริมาณสารแขวนลอยระเหย และพารามิเตอร์อื่น ๆ ถูกวัด และจำลองเพื่อกำหนดโพรไฟล์ให้อาหารที่ดีสุด

ผลลัพธ์ (ไทย) 3:

และการใช้ระบบประสาทฟัซซี่สำหรับการจำลองการหมักกากตะกอนในการบำบัดน้ำเสีย [ 8 ] แบบจำลองทำนายน้ำระเหยได้ดีผลตอบแทนที่มั่นคงและก๊าซชีวภาพ holubar et al . [ 9 ] ใช้หลาย feed-forward กลับแผ่โครงข่ายประสาทเทียมแบบจำลองและต่อมาควบคุมการผลิตก๊าซชีวภาพในถังเครื่องยนต์ . องค์ประกอบของแก๊ส อัตราการผลิตก๊าซชีวภาพ ความเป็นกรด - ด่าง ของแข็งแขวนลอยระเหยและพารามิเตอร์อื่น ๆวัดและจำลองเพื่อศึกษารายละเอียดการให้ที่ดีที่สุด