سیما شکری - دانشجوی کارشناسی ارشد زمین شناسی زیست محیطی دانشکده علوم طبیعی، دانشگاه تبریز
عطا الله ندیری - استادیار هیدروژئولوژی گروه علوم زمین دانشکده علوم طبیعی، دانشگاه تبریز
اصغر اصغری مقدم - استاد هیدروژئولوژی گروه علوم زمین دانشکده علوم طبیعی، دانشگاه تبریز

با توجه به محدودبودن منابع آب شیرین در جهان، استفاده مجدد از پساب های شهری تصفیه شده به خصوص در مناطق خشک و نیمه خشک مانند ایران ضرروی به نظر می رسد. از این رو تصفیه صحیح، مدیریت و کنترل فرایند تصفیه نیازمند بررسی دقیق پارامترهای موثر در این فرایند است. لذا با توجه به عدم قطعیت در پارامترهای کیفی فرایند تصفیه و پیچیدگی ارتباط آن ها، در این مطالعه از مدل های هوش مصنوعی مانند فازی (FL) و شبکه های عصبی مصنوعی (ANN) برای مدل سازی رفتار تصفیه خانه فاضلاب تبریز استفاده شده است. بدین منظور با مبنا قراردادن مشخصه های کیفی اندازه گیری شده در ورودی تصفیه خانه، مقدار متناظر این مشخصه ها در خروجی تصفیه خانه پیش بینی و از مدل های فازی ممدانی و ساجنو و شبکه های عصبی مصنوعی استفاده شد. داده های ورودی این مدل های هوش مصنوعی شامل پارامترهای دما، اکسیژن مورد نیاز بیوشیمیایی (BOD)، اکسیژن مورد نیاز شیمیایی (COD)، کل جامدات معلق (TSS) و pH فاضلاب و داده های خروجی شامل مشخصه BOD³، COD و TSS است. بر اساس نتایج، هر سه مدل شبکه عصبی مصنوعی، فازی ممدانی و ساجنو به ترتیب متوسط RMSE کمتر از ۱/۳ برای مراحل آموزش و آزمایش داشتند و نتایج قابل قبولی ارائه دادند. مدل فازی ساجنو با متوسط RMSE برابر ۸۳/۲ بهترین مدل شناخته شد. همچنین، با محاسبه درصد بازده حذف آلاینده ها در خروجی تصفیه خانه مشخص شد حداکثر بهره وری حذف در تصفیه خانه مربوط به آلاینده TSS بوده و معادل ۹۳ درصد است. سایر آلاینده ها نیز مقادیری بسیار نزدیک به TSS داشتند. به همین ترتیب بازده حذف این آلاینده ها از طریق مقادیر برآوردی با مدل های فازی و شبکه عصبی نیز به همین منوال است که به واسطه نزدیکی با مقادیر مشاهداتی مبین کارایی خوب مدل های به کار برده شده است.

بازده حذف, تصفیه خانه تبریز, شبکه عصبی مصنوعی, فاضلاب, مدل فازی ساجنو و ممدانی