مدل سازی BOD5 فاضلاب با استفاده از شبکه عصبی مصنوعی و درخت تصمیم گیری M5 (مطالعه موردی؛ تصفیه خانه فاضلاب نیروگاه حرارتی رامین اهواز)
Publish Year: 1398
Type: Conference paper
Language: Persian
View: 508
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
PSHCONF07_015
Index date: 3 March 2020
مدل سازی BOD5 فاضلاب با استفاده از شبکه عصبی مصنوعی و درخت تصمیم گیری M5 (مطالعه موردی؛ تصفیه خانه فاضلاب نیروگاه حرارتی رامین اهواز) abstract
به منظور کاهش هزینه های ناشی از پایش مداوم فرایندهای تصفیه فاضلاب و صرفه جویی در زمان باید از مدلهای ریاضی، آماری و دیگر شبیه سازها جهت راهبری سامانه های تصفیه فاضلاب استفاده نمود. با توجه به پیچیدگی فرایندهای بیولوژیکی و نیز پیشرفت روشهای مبتنی بر داده، در این تحقیق از ابزار شبکه عصبی مصنوعی و درخت تصمیم گیری M5 جهت مدلسازی BOD5 فاضلاب خروجی از تصفیه خانه استفاده شده است. بدین-ترتیب پس از جمع آوری داده های آماری مربوط به پارامترهای کیفی فاضلاب طی دوره سه ساله (1392-1394)، ترکیب های مختلف از ورودی ها وخروجی های مدل مورد ارزیابی قرار گرفته و ترکیب هایی از پارامترهای ورودی که دارای بیشترین تاثیر بر BOD5 خروجی بوده و به ساده شدن مدلهاکمک می کنند، به عنوان معماری های مختلف در مدل سازی مورد استفاده قرار گرفته است. پس از مدلسازی به روشهای مذکور، بهترین ساختارها و معماریها از طریق مقایسه معیارهای ضریب همبستگی (R) و ریشه میانگین مربعات خطا (RMSE) مورد ارزیابی قرار گرفته و تعیین شدند. نتایج مدلسازی برای BOD5خروجی، نشان داد که در روش شبکه عصبی مصنوعی ساختار S10 از معماری چهار با توپولوژی 5- 15-1 ، با ضریب همبستگی مرحله آموزش 0/96 و مرحله صحت سنجی 0/95، و ریشه میانگین مربعات خطای مرحله آموزش 4/02 (mg/l) و مرحله صحت سنجی 3/52 (mg/l) بهترین مدل بوده است. در مدل درخت M5 معماری پنج با 6 پارامتر ورودی و 14 معادله خطی، توانسته است که با ضریب همبستگی 0/94 پارامتر BOD5 را شبیهسازی کند. در مرحله صحتسنجی مدل M5 ریشه میانگین مربعات خطای داده ها برابر 4/7520 (mg/l) می باشد. نتایج حاصل از مقایسه مدلهای مختلف در این تحقیق نشان داد که با وجود کارآمد و مقبول بودن اغلب مدلها، مدلهای حاصل از روش شبکه عصبی مصنوعی نسبت به مدل M5 دقیق تر بوده و با همبستگی بهتری میتوانند BOD5 خروجی را شبیه سازی کنند. همچنین مدلهای حاصل از درخت M5 ابزاری مناسب جهت توصیف و بررسی دامنه ی داده ها و نیز بیان نمودن چگونگی ارتباطشان با یکدیگر میباشد.
مدل سازی BOD5 فاضلاب با استفاده از شبکه عصبی مصنوعی و درخت تصمیم گیری M5 (مطالعه موردی؛ تصفیه خانه فاضلاب نیروگاه حرارتی رامین اهواز) Keywords:
مدل سازی BOD5 فاضلاب با استفاده از شبکه عصبی مصنوعی و درخت تصمیم گیری M5 (مطالعه موردی؛ تصفیه خانه فاضلاب نیروگاه حرارتی رامین اهواز) authors
حسین اعصامی
دانش آموخته کارشناسی ارشد مهندسی محیط زیست، دانشگاه شهید چمران اهواز
منا گلابی
استادیار گروه آبیاری و زهکشی،دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز