ridm@nrct.go.th   ระบบคลังข้อมูลงานวิจัยไทย   รายการโปรดที่คุณเลือกไว้

Modeling the dioxin emission of a municipal solid waste incinerator using neural networks

หน่วยงาน สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์

รายละเอียด

ชื่อเรื่อง : Modeling the dioxin emission of a municipal solid waste incinerator using neural networks
นักวิจัย : Sond Bunsan , Chen, Wei-Yea , Chen, Ho-Wen , Chuang, Yen Hsun , Nurak Grisdanurak
คำค้น : Artificial neural network , Dioxin , Incinerators , Sensitivity analysis , Waste treatment
หน่วยงาน : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์
ผู้ร่วมงาน : -
ปีพิมพ์ : 2556
อ้างอิง : Chemosphere. 92, 3 (2013) pp. 258-264 , 0045-6535 , http://dspace.library.tu.ac.th/handle/3517/6692
ที่มา : -
ความเชี่ยวชาญ : -
ความสัมพันธ์ : -
ขอบเขตของเนื้อหา : -
บทคัดย่อ/คำอธิบาย :

Incineration is considered as an efficient approach in dealing with the increasing demand for municipal and industrial solid waste treatment, especially in areas without sufficient land resources. Facing the concern of health risk, the toxic pollutants emitted from incinerators have attracted much attention from environmentalists, even though this technology is capable of reducing solid waste volume and demand for landfill areas, together with plenty of energy generation. To reduce the negative impacts of toxic chemicals emitted from incinerators, various monitoring and control plans are made not only for use in facilities performance evaluation but also better control of operation for stable effluent quality. How to screen out the key variables from massive observed and control variables for modeling the dioxin emission has become an important issue in incinerator operation and pollution prevention. For these reasons, this study used 4-year monitoring data of an incinerator in Taiwan as a case study, and developed a prediction model based on an artificial neural network (ANN) to forecast the dioxin emission. By doing this, a simplified monitoring strategy for incinerators with regarding to dioxin emission control can be achieved. The result indicated that the prediction model based on a back-propagation neural network is a promising method to deal with complex and non-linear data with the help of statistics in screening out the useful variables for modeling. The suitable architecture of an ANN for using in the dioxin prediction consists of 5 input factors, 3 basic layers with 8 hidden nodes. The R2 was found to equal 0.99 in both the training and testing steps. In addition, sensitivity analysis can identify the most significant variables for the dioxin emission. From the obtained results, the frequency of activated carbon injection showed as the factor of highest relative importance for the dioxin emission. © 2013 Elsevier Ltd.

บรรณานุกรม :
Sond Bunsan , Chen, Wei-Yea , Chen, Ho-Wen , Chuang, Yen Hsun , Nurak Grisdanurak . (2556). Modeling the dioxin emission of a municipal solid waste incinerator using neural networks.
    กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ .
Sond Bunsan , Chen, Wei-Yea , Chen, Ho-Wen , Chuang, Yen Hsun , Nurak Grisdanurak . 2556. "Modeling the dioxin emission of a municipal solid waste incinerator using neural networks".
    กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ .
Sond Bunsan , Chen, Wei-Yea , Chen, Ho-Wen , Chuang, Yen Hsun , Nurak Grisdanurak . "Modeling the dioxin emission of a municipal solid waste incinerator using neural networks."
    กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ , 2556. Print.
Sond Bunsan , Chen, Wei-Yea , Chen, Ho-Wen , Chuang, Yen Hsun , Nurak Grisdanurak . Modeling the dioxin emission of a municipal solid waste incinerator using neural networks. กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ ; 2556.