شبیه سازی عملکرد تصفیه فاضلاب صنعتی با استفاده از شبکه عصبی مصنوعی(مطالعه موردی شهرک صنعتی آمل)

دستیابی به طراحی دقیق و نیز راهبردی صحیح تصفیه خانه های فاضلاب از جمله چالش های مهم در صنعت آب و فاضلاب کشور به شمار می آید. در بسیاری از موارد، این گونه معضلات ناشی از عدم دسترسی به اطلاعات و داده های دقیق پارامترهای کمی و کیفی فاضلاب ورودی جهت طراحی و مدول بندی تصفیه خانه می باشد. در مواردی دیگر، عدم توانایی در پیش بینی تاثیر عواملی از قبیل نوسانات کمی و کیفی فاضلاب ورودی، عوامل آب و هوایی و شرایط فرآیندی بر عملکرد تصفیه-خانه به منظور راهبری مناسب سیستم و اصلاح احتمالی پارامترهای طراحی در توسعه و یا ارتقاء مدول های تصفیه خانه، منشا مشکلات اساسی می باشند.اطلاع از خصوصیات فاضلاب واحدهای مختلف تصفیه خانه شهرک های صنعتی، که از تنوع کمی و کیفی بالایی برخوردار بوده و عدم قطعیت بیشتری نسبت به فاضلاب شهری دارد، می تواند نقش موثری را در راهبری تصفیه خانه هاایفاکند. به منظور کنترل بهتر و کارآمد عملکرد تصفیه خانه های فاضلاب صنعتی، می توان از یک ابزار ریاضی،بر مبنای اطلاعات ثبت شده برخی از پارامتر های اساسی پساب، طی دوره ای از بهره برداری تصفیه خانه استفاده کرد. در این پژوهش عملکرد تصفیه خانه فاضلاب شهرک صنعتی آمل با استفاده از شبکه های عصبی پرسپترون چند لایه که از پرکاربردترین شبکه های عصبی مصنوعی در مسایل زیست محیطی است، شبیه سازی شده است. برای این منظور الگوریتم آموزش لونبرگ- مارکوارد به عنوان الگوریتم یادگیری شبکه مورد استفاده قرار گرفته است. و از مشخصات کمی و کیفی واحد های آن استفاده گردیده است بمنظور ارزیابی عملکرد مدل ها از شاخص های MAE، RMSE و ضریب همبستگی R استفاده شده است. مقادیر R بدست آمده از مدل ها که در بازه 0.8 تا 0.94 قرار دارند، نشان دهنده دقت مناسب آن در برآورد مشخصات کیفی فاضلاب است. بنابراین استفاده از این مدل ابزاری مناسب جهت ارزیابی عملکرد واحدهای تصفیه خانه می باشد.

کلیدواژه ها:

شبکه عصبی ، فاضلاب صنعتی ، پرسپترون چندلایه ، MLP