محمد عظیمی پور - دانشجوی کارشناسی ارشد عمران– آب و فاضلاب، دانشگاه شهید بهشتی
مریم میرابی - استادیار دانشکده مهندسی آب و محیط زیست، دانشگاه شهید بهشتی
حمیدرضا مهدیانی - استادیار دانشکده برق و کامپیوتر، دانشگاه شهید بهشتی
حمدتقی جعفرزاده - رئیس محیط زیست شرکت ملی صنایع پتروشیمی

مدلسازی تصفیه‌خانه فاضلاب صنعتی به دلیل مشخصات ذاتی و غیر خطی اغلب فرایند‌های مختلف تصفیه ، دشوار است. به دلیل افزایش روزافزون نگرانی‌ها در مورد اثرات زیست‌محیطی تصفیه‌خانه‌ها با توجه به ضعف بهره‌برداری، نوسانات متغیرهای فرایندی و مشکلات آنالیزورهای بر خط، الگوریتم‌های توسعه‌یافته کنترل فرایند با استفاده از روش‌های هوش مصنوعی مانند شبکه‌های عصبی مصنوعی توجه زیادی را به خود جلب کرده است. در این مقاله از شبکه عصبی MLP برای ارزیابی و پیش‌بینی متغیر COD تصفیه‌خانه مبین با استفاده از پارامترهای COD، TSS، pH و N-NH ورودی تصفیه‌خانه استفاده شده است. به این منظور شبکه‌های متعددی با تعداد متفاوتی از نرون‌های لایه پنهان و توابع فعالسازی مختلف ایجاد شد تا بهترین شبکه یافت شود. به علاوه در این مقاله شاخصی با عنوان درصد عملی صحت خروجی پیش‌بینی شده برای ارزیابی شبکه‌ عصبی معرفی شده است که عدم وابستگی کامل کیفیت شبکه ایجاد شده به شاخص‌های معمول اندازه‌گیری کیفیت شبکه‌های عصبی مانند ضریب رگرسیون (R) و مجموع مربعات خطا (MSE)را نشان می‌دهد. همچنین در آخر با استفاده از شبکه آموزش دیده، اثر هر یک از پارامترهای ورودی بر COD خروجی محاسبه شده است.

تصفیه‌خانه فاضلاب صنعتی، بهره‌برداری، شبکه‌ عصبی مصنوعی، MLP،R ، MSE