بررسی کارآیی روش‌های هوش مصنوعی در پیش‌بینی عملکرد تصفیه‌‌خانه فاضلاب (مطالعه موردی: تصفیه‌خانه فاضلاب شهر تبریز)

نویسندگان

1 گروه مهندسی عمران-آب، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران

2 گروه مهندسی منابع آب، دانشکده مهندسی عمران، دانشگاه تبریز

3 گروه مهندسی منابع آب، دانشکده مهندسی عمران، دانشگاه تبریز

4 گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد اهر، ایران

doi
10.22060/ceej.2019.16757.6334
چکیده

افزایش نگرانی در مورد مسائل زیست‌محیطی متخصصین را تشویق کرده است که توجه خود را روی عملکرد و کنترل درست تصفیه‌خانه‌های فاضلاب (WWTPS) متمرکز کنند. در مطالعه حاضر دو روش شبکه عصبی مصنوعی و ماشین بردار پشتیبان برای مدل‌سازی کیفیت پساب خروجی تصفیه‌خانه فاضلاب شهر تبریز مورد استفاده قرار گرفته است. داده‌های ورودی شامل پارامتر‌های BODinf، CODinf، TSSinf و PHinf فاضلاب در ورودی تصفیه‌خانه تبریز است که برای پیش‌بینی مقادیر متناظر مشخصه‌های BODeff، CODeff و TSSeff در پساب خروجی تصفیه‌خانه به کار برده شده است. داده‌ها بصورت میانگین روزانه، هفتگی و ماهانه مورد بررسی قرار گرفته است. بر طبق نتایج، هر دو روش ذکر شده، دارای عملکرد بهتری در مدل‌سازی پارامترهای کیفیت پساب خروجی تصفیه‌خانه تبریز به صورت ماهانه می‌باشد. مقادیر عددی معیارهای ارزیابی، R2، RMSE و DC مربوط به داده‌های تست ماهانه برای مدل برتر روش شبکه عصبی به ترتیب برای BODeff 87/0، 86/2 و 76/0، برای CODeff 859/0، 51/4 و 715/0، و برای TSSeff 8/0، 2 و 63/0 بدست آمد و مقادیر عددی معیارهای ارزیابی، R2، RMSE و DC مربوط به داده‌های تست ماهانه برای مدل برتر روش ماشین بردار پشتیبان به ترتیب برای BODeff 88/0، 8/2 و 77/0، برای CODeff 86/0، 38/4 و 73/0، و برای TSSeff 79/0، 03/2 و 62/0 بدست آمد.