Performance prediction of a reverse osmosis system using machine learning / Adem Britah (2024) 

Public ISBD Titre : Performance prediction of a reverse osmosis system using machine learning Type de document : document électronique Auteurs : Adem Britah, Auteur ; Haithem Abderrahmane Belala, Auteur ; Mohamed Tadjine, Directeur de thèse ; Messaoud Chakir, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2024 Importance : 1 fichier PDF (6 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Automatique : Alger, École Nationale Polytechnique : 2024 Bibliogr. p. 93 - 96 Langues : Français (fre) Mots-clés : Desalination Reverse osmosis Modeling Membrane fouling Fouling prediction Machine learning Long short-term memory Transformer Sliding mode observer Index. décimale : PA00824 Résumé : The reverse osmosis process holds great importance in the water treatment industry. Despite its common use, this process suffers from membrane fouling, which affects the quality of the produced water and the performance of the membrane itself. So far, the operation of reverse osmosis systems relies on the operators’ experience, with maintenance activities carried out according to predefined schedules or criteria. This work involves developing a sliding mode observer-based fouling estimation, and using various machine learning techniques to provide real-time predictions and maintenance recommendations. The results provide valuable insights into the performance and suitability of these estimation approaches. Performance prediction of a reverse osmosis system using machine learning [document électronique] / Adem Britah, Auteur ; Haithem Abderrahmane Belala, Auteur ; Mohamed Tadjine, Directeur de thèse ; Messaoud Chakir, Directeur de thèse . - [S.l.] : [s.n.], 2024 . - 1 fichier PDF (6 Mo) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Automatique : Alger, École Nationale Polytechnique : 2024 Bibliogr. p. 93 - 96 Langues : Français (fre) Mots-clés : Desalination Reverse osmosis Modeling Membrane fouling Fouling prediction Machine learning Long short-term memory Transformer Sliding mode observer Index. décimale : PA00824 Résumé : The reverse osmosis process holds great importance in the water treatment industry. Despite its common use, this process suffers from membrane fouling, which affects the quality of the produced water and the performance of the membrane itself. So far, the operation of reverse osmosis systems relies on the operators’ experience, with maintenance activities carried out according to predefined schedules or criteria. This work involves developing a sliding mode observer-based fouling estimation, and using various machine learning techniques to provide real-time predictions and maintenance recommendations. The results provide valuable insights into the performance and suitability of these estimation approaches.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00736	PA00824	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Automatique	Téléchargeable

Documents numériques

BRITAH.Adem_BELALA.Haithem-Abderrahmane.pdf URL