پیش‌بینی میزان COD پساب تصفیه‌خانه فاضلاب پالایشگاه با استفاده از هوش مصنوعی

Abstract

زمینه و اهداف: تصفیه‌خانه‌های فاضلاب سیستم‌هایی هستند که در صورت عملکرد صحیح می‌توانند به سلامت صنعت و محیط زیست کمک کنند. برای کاهش هزینه‌های نظارت و مدیریت سیستمهای تصفیه فاضلاب، می‌توان از شبیه‌سازهای ریاضی، آماری و انواع مدل‌ها استفاده نمود. مواد و روش‌ها: مطالعه توصیفی- تحلیلی گذشته‌نگر می‌باشد. با توجه به پیچیدگی فرآیندهای بیولوژیکی و پیشرفت روش‌های پردازش داده‌گان، در این پژوهش از الگوریتم‌های (ANN) و درخت مدل M5 با هدف مدل‌سازی تخمین CODout در تصفیه خانه فاضلاب بهداشتی یکی از پالایشگاه‌های کشور استفاده شده است. ANN و M5 از طریق مراحل یادگیری و آزمایش بر پایه داده‌های روزانه 5 سال (1395-1399) توسعه داده شد و جهت ارزیابی مدل‌ها از شاخص‌های مختلف آماری مانند MSE و Rاستفاده گردید. رعایت ملاحظات اخلاقی در تمام مراحل اجرای پژوهش در نظر گرفته شد. یافته‌ها: در مدل ANN در حالت 100 لایه پنهان، در گام آموزش، میزان MSE و R نسبت به دو حالت 10 و 30 لایه پنهان به ترتیب کاهش و افزایش داشت که به همین دلیل 100 لایه برای انجام این مدل انتخاب گشت. همچنین در مدل درخت M5 با انتخاب داده‌های مستقل به‌عنوان ورود 0/6147R-SqOptimal= محاسبه گشت که در سطح 0/05 معنی‌دار است. به‌عبارت‌ دیگر با 95درصد اطمینان، مدل منطقی برای پیش‌بینی می‌باشد. نتایج نشان داد که مدل ANN با ضریب تعیین معادل 0/90، برایCOD عملکرد بهتری نسبت به درخت مدل M5 با ضریب تعیین 0/61 دارد. نتیجه‌گیری: هر دو مدل، استحکام، قابلیت اطمینان و قابلیت تعمیم بالایی را دارا می‌باشند، از این رو، تکنیک‌های داده‌کاوی ANN و درخت مدلM5 را می‌توان با موفقیت برای تصمیم‌گیری‌های زیست محیطی و تخمین داده‌های از دست رفته در تصفیه‌خانه‌های فاضلاب استفاده کرد.

Keywords

• تصفیه‌خانه فاضلاب، مدل‌سازی، شبکه‌های عصبی مصنوعی، درخت مدل M5، پارامترهای کیفی فاضلاب