کاربرد شبکه عصبی مصنوعی در ارزیابی تصفیه خانه فاضلاب اکباتان

در این مطالعه به منظور مدل سازی رفتار تصفیه خانه فاضلاب از شبکه عصبی مصنوعی استفاده شد. بدین منظور با مبنا قراردادن اندازه گیری های مشخصه های کیفی در ورودی تصفیه خانه، مقدار متناظر مشخصه های فوق در خروجی تصفیه خانه پیش بینی شد. داده های ورودی شبکه عصبی شامل مشخصه های دما (T)، اکسیژن مورد نیاز بیوشیمیایی (BOD)، اکسیژن مورد نیاز شیمیایی (COD)، کل جامدات معلق (TSS)، کل جامدات (TS) و pH فاضلاب بود. اجرای ساختارهای مختلف شبکه عصبی مصنوعی با تعداد نرون های مختلف در لایه میانی نشان داد آرایش ۶-۱۲-۶ با مقادیر مجذور میانگین مربعات خطای نرمال ۲۶/۰ و ضریب همبستگی ۸۲/۰ به عنوان آرایش مطلوب قابل پیشنهاد است. ساختار فوق در پیش بینی ۷۲ الی ۹۷ درصد از تغییرات مشخصه های کیفی پساب براساس تغییرات متغیرهای مستقل موفق بوده است. از طرفی با محاسبه درصد بازده حذف آلاینده ها در خروجی تصفیه خانه، مشخص شد، حداکثر بهره وری حذف در تصفیه خانه مربوط به آلاینده TSS معادل ۹۷ درصد و کمترین آن به میزان ۳۲ درصد مربوط به TS بود. به همین ترتیب بازده حذف آلاینده های فوق از طریق مقادیر برآوردی با شبکه عصبی نیز برابر ۹۷ و ۳۰ درصد است که به واسطه نزدیکی با مقادیر مشاهداتی مبین کارایی خوب شبکه عصبی است. در مجموع با توجه به مقایسه نتایج حاصل از پیش بینی در این مطالعه با سایر مطالعات و با توجه به شاخص های آماری می توان از کارایی شبکه عصبی اطمینان حاصل کرد. همچنین تصفیه خانه در کاهش مقادیر کیفی در حد مقادیر استاندارد توصیه شده از سوی سازمان حفاظت محیط زیست، از کارایی بالایی برخوردار است.

Keywords:

Artificial Neural Network , Ekbatan treatment plant , Pollutants , Removal Efficiency