مدلسازی تصفیه خانه فاضلاب صنعتی برای تخمین TSS پساب خروجی، با استفاده از شبکه عصبی مصنوعی

کاربرد شبکه عصبی مصنوعی در فرایندهای تصفیه فاضلاب به عنوان یک مضمون جدید و در عین حال تکنیک نویددهنده برای پیشبینی عملکرد فرآیندهای بیولوژیکی پیچیده و غیرخطی مدنظر قرار گرفته است. این موضوع بهعنوان یک مبحث بسیار کارگشا در غلبه بر برخی از محدودیتهای مدلهای ریاضی متعارف در زمینه تاسیسات تصفیه فاضلاب مطرح میباشد، که علت آن نیز مکانیزم های پیچیده، تغییرپذیری و دینامیک آن است. هدف از انجام مقاله حاضر، تخمین غلظت جامدات معلق کل پساب خروجی (TSS) بر اساس دادههای زمانی در دسترس در تصفیه خانه فاضلاب شهرک صنعتی چناران با استفاده از شبکه عصبی مصنوعی میباشد. آمار مورد استفاده در این مقاله، دادههای ثبت شده توسط واحد کنترل و بهرهبرداری تصفیهخانه در طی سالهای 1391، 1392 و1393 را شامل میشود. در نهایت با توجه به معیارهای سنجش خطا و نکویی برازش، بهترین مدل انتخاب گردید. بهترین مدل شبکه عصبی پرسپترون با الگوریتم آموزشی لونبرگ- مارکواد، ساختار (9-24-1)، با ضریب مجذور همبستگی R2=0.912 و مقادیر RMSE=0.069، MAE=0.052 و MAPE=0.322 در مرحله آزمون و نتایج مناسب برای دادههای آموزشی، در تخمین TSS پساب خروجی از کارایی و دقت مناسب برخوردار بود

کلیدواژه ها:

غلظت جامدات معلق کل ، پساب تصفیه خانه فاضلاب ، مدل سازی شبکه عصبی مصنوعی ، فاضلاب صنعتی