تخمین TSS خروجی تصفیهخانه فاضلاب اهواز با استفاده از مدل های هوشمند

مقدمه: محدودبودن منابع آب شیرین در جهان، بهخصوص در مناطق خشک و نیمهخشک مانند ایران، رویکرد استفاده مجدد از پسابهای شهری را اجتناب­ناپذیر ساخته است. از مهمترین شاخصهای بررسی میزان آلودگی فاضلاب و مقایسه با استانداردهای مختلف جهت بازاستفاده یا تخلیه به منابع آبی TSS میباشد که آزمایشی هزینه بر و زمان­بر است. مطالعه حاضر در سال ۱۳۹۵ با هدف تخمین  TSS خروجی تصفیهخانه فاضلاب اهواز با استفاده از مدل­های هوشمند انجام یافته است. مواد و روش­ها: با توجه به زمان­بر و هزینه­بر یودن آزمون TSS، در این تحقیق، توانمندی سه مدل رگرسیون خطی چندمتغیره، شبکه عصبی مصنوعی و سیستم استنتاج فازی عصبی­تطبیقی جهت تخمین TSS فاضلاب خروجی از تصفیهخانه فاضلاب با استفاده از نرم­افزار MATLAB ­و SPSS ۲۱ بررسی شد. براین اساس ترکیبات مختلفی از پارامترهای کیفی فاضلاب، طی دوره آماری ۸ ساله (۱۳۹۴-۱۳۸۷) به عنوان ورودی مدلها در دو حالت روزانه و ماهانه مورد ارزیابی قرار گرفت.   نتایج: مدل رگرسیون  حداکثر ضریب تعیین(R۲) برای مراحل آموزش و صحتسنجی را بهترتیب در دوره روزانه ۷۵/۰ و ۶۷/۰ و در دوره ماهانه ۶۸/۰ و ۶۶/۰ به­دست آورد؛ ریشه میانگین مربعات خطا(RMSE) در این آزمون ۰۳۳/۰ و ۰۲۵/۰ در دوره روزانه و ۰۵۳/۰  و ۰۵۳/۰ در دوره ماهانه، بهدست آمد. حداکثرR۲ با شبکه عصبی مصنوعی بهترتیب برای مراحل آموزش و صحتسنجی در دوره روزانه ۸۷/۰ و ۷۹/۰ و در دوره ماهانه ۸۷/۰ و ۸۵/۰، و RMSE برابر ۰۳۰/۰ و ۰۲۳/۰ در دوره روزانه و ۰۳۴/۰ و ۰۳۱/۰ در دوره ماهانه، بهدست آمد. نتایج بیشترین r۲ را برای مدل سیستم استنتاج فازی­عصبی­تطبیقی نشان دادند که در دوره روزانه ۹۱/۰ و ۸۳/۰ و در دوره ماهانه ۸۹/۰ و ۸۷/۰، و مقدار RMSE برابر ۰۲۶/۰ و ۰۲۵/۰ در دوره روزانه و ۰۳۱/۰ و ۰۲۸/۰ در دوره ماهانه، بهترتیب برای مراحل آموزش و صحتسنجی بود. نتیجه­گیری: براساس یافته های تحقیق هر سه مدل در تخمین مقدارTSS  فاضلاب خروجی کاربرد مناسبی داشتند، اما مدل سیستم استنتاج فازی عصبی تطبیقی به دلیل برازش بهتر و خطای کمتر، مدلی مناسبتر است.

Keywords:

فاضلاب , مواد جامد معلق , رگرسیون , شبکه عصبی مصنوعی , استنتاج فازی عصبی تطبیقی