بررسی برخی الگوریتم های هوشمند برای تشخیص ناهنجاری شاخص های تفکیک شده در تصفیه خانه های فاضلاب

پایش دقیق فرآیند تصفیه فاضلاب به دلیل ماهیت غیرخطی، پویایی بالا و پیچیدگی های بیولوژیکی، نقش حیاتی در حفظ پایداری عملیاتی و استانداردهای زیست محیطی ایفا می کند. برخلاف رویکردهای سنتی که ناهنجاری ها را به صورت کلی در کل سامانه شناسایی می کنند، این پژوهش بر تحلیل تفکیکی و انفرادی شاخص های کلیدی به منظور تشخیص دقیق منشا اختلالات تمرکز دارد. در این راستا عملکرد سه مدل مبتنی بر محسابات نرم شامل خودرمزنگار عمیق، جنگل ایزوله و ماشین بردار پشتیبان تک کلاسه در شناسایی ناهنجاری های پنج پارامتر حیاتی شامل دبی ورودی، دبی خروجی، اکسیژن خواهی بیولوژیکی، اکسیژن خواهی شیمیایی و بارندگی به صورت مستقل مورد ارزیابی قرار گرفت. نتایج شبیه سازی نشان داد که مدل خودرمزنگار عمیق با دستیابی به میانگین شاخص امتیاز F۱ برابر با ۰/۹۶، عملکرد برتری در یادگیری الگوهای رفتاری نرمال هر پارامتر ارائه می دهد. همچنین تحلیل تفکیکی نتایج نشان می دهد که مدل های مبتنی بر یادگیری عمیق در پارامترهای جریانی و مدل های آماری در پارامترهای اقلیمی مرزهای تصمیم گیری دقیق تری ایجاد می کنند. این رویکرد ضمن افزایش دقت تشخیص ناهنجاری، امکان عیب یابی نقطه ای را برای اپراتورهای تصفیه خانه فراهم کرده و از بروز شوک های آلی و هیدرولیکی در سیستم جلوگیری می کند.

Keywords:

شناسایی ناهنجاری , خودرمزنگار عمیق , ماشین بردار پشتیبان , جنگل ایزوله , محاسبات نرم