Uncertainty propagation in a model of dead-end bacterial microfiltration using fuzzy interval analysis

عدم قطعیت در آزمایش، مدل سازی و تجزیه و تحلیل ذاتی است. تغییرات و اشتباهات در برآورد پارامترها یا فرایندهای فیزیکی اجتناب ناپذیر است و می تواند بر قابلیت اطمینان پیش بینی های مدل تأثیر بگذارد. بنابراین درک نقش عدم اطمینان در روند مدل سازی و تقریب دنیای واقعی جاسازی شده است. در این نسخه خطی، ما در مورد یک مدل نظری از تصفیه آب / فاضلاب، نتایج عدم اطمینان را مورد بررسی قرار می دهیم. در پایان میکروفیلتراسیون آب آلوده از طریق غشایی که کلوئیدها، باکتری ها و پروتوایز ها را فیلتر می کند، تغذیه می شود. با این حال، این ذرات غشاء را کاهش می دهد که باعث کاهش کارایی فیلتر شده است، که به صورت دوره ای برگشتن جریان، یعنی واکنش خفیف، کاهش می یابد. ما بررسی می کنیم که عدم قطعیت در برآورد پارامترهای حساس، به برآوردهای مقدار مطلوب حجم آب که در یک دوره زمانی مشخص فیلتر شده و زمان و مدت زمان پسخوردگی مرتبط است، می پردازد. ما دریافتیم که مدل برآوردهای محافظه کارانه برای حجم کل را فراهم می کند، زیرا عدم قطعیت به صورت متقارن با توجه به بیش از حد و کم توجهی به مقادیر مشخص قابل اندازه گیری نیست. عدم اطمینان در زمانبندی، متقارنتر است و این بدان معناست که اساسا مقدار مساوی عدم اطمینان برای افزایش یا کاهش فرکانس و مدت زمان برگشت پس از شستشو وجود دارد. ما تولید بیوفیلم را به عنوان تحریک نااطمینانی بیشتر در برآورد حجم مشخص کردیم. نرخ تخریب بیشترین تأثیر را بر برآوردهای زمانه دارد. علاوه بر این ما اثرات توزیع پارامتر نامتقارن را بررسی کردیم و دریافتیم که برای اغلب پارامترها، عدم تقارن منجر به افزایش نامتقارن در رژیمهای مطلوب پیش بینی نشده می شود، و این بدان معنی است که عدم قطعیت در ناهمواری احتمالا یک مسئله نیست.