پیش بینی میزان COD پساب تصفیه خانه فاضلاب پالایشگاه با استفاده از هوش مصنوعی

چکیده زمینه و اهداف: تصفیه خانه های فاضلاب سیستم هایی هستند که در صورت عملکرد صحیح می توانند به سلامت صنعت و محیط زیست کمک کنند. برای کاهش هزینه های نظارت و مدیریت سیستمهای تصفیه فاضلاب، می توان از شبیه سازهای ریاضی، آماری و انواع مدل ها استفاده نمود. مواد و روش ها: مطالعه توصیفی- تحلیلی گذشته نگر می باشد. با توجه به پیچیدگی فرآیندهای بیولوژیکی و پیشرفت روش های پردازش داده گان، در این پژوهش از الگوریتم های (ANN) و درخت مدل M۵ با هدف مدل سازی تخمین CODout در تصفیه خانه فاضلاب بهداشتی یکی از پالایشگاه های کشور استفاده شده است. ANN و M۵ از طریق مراحل یادگیری و آزمایش بر پایه داده های روزانه ۵ سال (۱۳۹۵-۱۳۹۹) توسعه داده شد و جهت ارزیابی مدل ها از شاخص های مختلف آماری مانند MSE و Rاستفاده گردید. رعایت ملاحظات اخلاقی در تمام مراحل اجرای پژوهش در نظر گرفته شد. یافته ها: در مدل ANN در حالت ۱۰۰ لایه پنهان، در گام آموزش، میزان MSE و R نسبت به دو حالت ۱۰ و ۳۰ لایه پنهان به ترتیب کاهش و افزایش داشت که به همین دلیل ۱۰۰ لایه برای انجام این مدل انتخاب گشت. همچنین در مدل درخت M۵ با انتخاب داده های مستقل به عنوان ورود ۰/۶۱۴۷R-SqOptimal= محاسبه گشت که در سطح ۰/۰۵ معنی دار است. به عبارت دیگر با ۹۵درصد اطمینان، مدل منطقی برای پیش بینی می باشد. نتایج نشان داد که مدل ANN با ضریب تعیین معادل ۰/۹۰، برایCOD عملکرد بهتری نسبت به درخت مدل M۵ با ضریب تعیین ۰/۶۱ دارد. نتیجه گیری: هر دو مدل، استحکام، قابلیت اطمینان و قابلیت تعمیم بالایی را دارا می باشند، از این رو، تکنیک های داده کاوی ANN و درخت مدلM۵ را می توان با موفقیت برای تصمیم گیری های زیست محیطی و تخمین داده های از دست رفته در تصفیه خانه های فاضلاب استفاده کرد. کلمات کلیدی: تصفیه خانه فاضلاب، مدل سازی، شبکه های عصبی مصنوعی، درخت مدل M۵، پارامترهای کیفی فاضلاب