امروزه هوش مصنوعی (AI) برای کنترل بسیاری از سیستم‌های مدرن در زندگی روزمره پذیرفته‌شده است. بخصوص در غشاهای پکیج های تصفیه فاضلاب استفاده از هوش مصنوعی در حال افزایش است و پتانسیل زیادی برای پیشرفت در این زمینه دارد. هوش مصنوعی به طورخاص در نمک‌زدایی غشایی، اسمز پیشرو، تولید انرژی، و تصفیه زیست توده پتانسیل قابل توجهی را نشان داده‌است .
فرایندهای ذکر‌شده بیش از ۲۰ درصد از کل انرژی مصرفی جهان را استفاده می‌کنند. فرآیندهای غشایی با فناوری‌های موجود می‌توانند با مدل هوش مصنوعی ادغام شوند. بررسی چندین طرح تصفیه آب مبتنی بر غشاء و عملکرد کارخانه را خلاصه می‌کند. که در آن از هوش مصنوعی برای به حداقل‌رساندن تولید زباله می‌شود. و منجر به تولید پساب پاک‌تر می‌شود.
تکنولوژی‌های هوش مصنوعی به کاررفته در پکیج تصفیه فاضلاب
استفاده از هوش مصنوعی (AI) و سایر رویکردهای هوشمند مانند سیستم (ML) در کاربردهای غشایی باعث پیشرفت‌های زیادی در زمینه حل مشکلات مهندسی ، به ویژه در مورد رسوب غشاء در کل فرآیندها شد. همانطور که در شکل ۱ گزارش شده است، کشف شده است که روش‌های مدرن مانند شبکه‌های عصبی مصنوعی (ANN)، منطق فازی (FL)، برنامه‌ریزی ژنتیکی و درخت‌های محصول، تکنیک‌های مدل‌سازی هستند که با موفقیت به کار گرفته شده اند.
تحقیقات مستمر در زمینه‌های هوش مصنوعی به طور مداوم باعث ظهور نوآوری‌ها و امکانات مهندسی جدید، با ویژگی‌هایی مانند استانداردهای با کارایی بالا و رویکرد «سبزتر» می‌شود. که دو مورد از موضوعات پیشرو برای هر نوع فناوری تازه متولد شده هستند. این رویکرد مبتنی بر هوش مصنوعی ، با در نظر گرفتن فناوری‌ها و دستگاه‌های موجود، روشی امیدوارکننده و در عین حال عینی برای تجدید و بهینه‌سازی نیروگاه‌های مبتنی بر غشاء ، واحدهای نمک‌زدایی یا تصفیه آب، برای منابع کارآمدتر و مدیریت انرژی است.
هوش مصنوعی در برنامه های غشایی
رسوب یا پلاریزاسیون غلظتی مانع از عملکرد بهینه غشا می شود. این فرایند می تواند در تمام فرآیندهای مبتنی بر غشاء اتفاق بیفتد. کاربردهای اصلی هوش مصنوعی در دنیای غشایی اساساً مربوط به پیشگیری از رسوب است. برای پیش‌بینی پارامترهای مختلف رسوب‌گیری – مانند شار نفوذی و فشار عبوری (TMP) – تکنیک‌های مختلف AI و ML برای بهبود دقت در مقایسه با مدل‌های مکانیکی و حل انواع مشکلات کالیبراسیون استفاده شده‌اند. به طور خاص، مدل‌های هوشمند ANN اولین مدل هایی بودند که رسوب غشایی را پیش‌بینی و به طور دقیق‌تر کنترل کردند. به دنبال آن FL که برای مدل‌سازی رسوب غشایی و توسعه سیستم‌های خودکار برای کنترل و مدیریت خودکار آن استفاده می کند.
نظارت بر پکیج تصفیه فاضلاب
شبکه های عصبی
در طول سال‌های گذشته، پیشرفت‌های چشمگیری در چندین شکل مختلف مانند شبکه عصبی متراکم عمیق (DDNN)، شبکه‌های عصبی کانولوشنال (CNN) و شبکه‌های عصبی تکراری (RNN) صورت گرفته است. یک مدل DNN از یک لایه ورودی، چندین لایه پنهان و یک لایه خروجی تشکیل شده است. هر لایه از مجموعه ای از نورون های مصنوعی (که گاهی اوقات گره نامیده می شود) تشکیل شده است. که با نورون های لایه بعدی مرتبط هستند. شکل ۳ شبکه ای با دو لایه پنهان را نشان می دهد که در آن لایه اول و دوم پنهان دارای چهار نورون هستند.
نمک زدایی
دسترسی به منابع آب معمولی هر روز بیشتر و بیشتر کاهش می یابد. بنابراین، فن‌آوری‌های جدید برای تامین آب و راندمان روزافزون آن نقشی اساسی در این شرایط اضطراری جهانی ایفا می‌کنند. که از طریق یک روش محاسباتی تحلیل می‌شود که چگونه منافذ در مقیاس نانومتری گرافن می‌توانند نمک را از آب فیلتر کنند. یک سری از نانوحفره‌های گرافن را مدل‌سازی می‌کنند. اندازه منافذ در محدوده ۱.۵-۵۵ Å۲ متفاوت بود.
نتیجه گیری
هوش مصنوعی یا الگوریتم‌های مبتنی بر ML تکنیک‌های هوشمندی هستند که امروزه برای جلوگیری از تشکیل رسوب غشایی در پکیج تصفیه فاضلاب یا تولید انرژی بسیار سودمند هستند. این مطالعه نشان می‌دهد که تکنیک‌های بهینه‌سازی و مدل‌سازی در ترکیب با سایر الگوریتم‌های AI و ML می‌توانند برای نظارت و کنترل هوشمند رسوب غشایی در فرآیندهای مختلف فاضلاب و همچنین در طول تولید انرژی آبی تمیز مورد استفاده قرار گیرند.
پیشرفت‌های مداوم در این موضوع تحقیقاتی می‌تواند مسیرهایی را برای راه حل های کاربردی جدید باز کند. استفاده از دستگاه غشایی امروزی را در اشکال مقرون‌به‌صرفه‌تر و «سبز» گسترش دهد که به جامعه کمک می‌کند استفاده و مدیریت منابع انرژی و کیفیت زندگی خود را بهبود بخشد. از مدیریت فاضلاب تا تولید انرژی آبی، پیاده‌سازی‌های مبتنی بر هوش مصنوعی منجر به نتایج بهتری می‌شوند. و فرآیندهای مهندسی را به سمت سطح کاملاً جدیدی از کارایی و پایداری سوق می‌دهند.