تخمین TSS خروجی تصفیهخانه فاضلاب اهواز با استفاده از مدل های هوشمند
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 307
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ESTJ-22-9_019
تاریخ نمایه سازی: 18 مهر 1400
چکیده مقاله:
مقدمه: محدودبودن منابع آب شیرین در جهان، بهخصوص در مناطق خشک و نیمهخشک مانند ایران، رویکرد استفاده مجدد از پسابهای شهری را اجتنابناپذیر ساخته است. از مهمترین شاخصهای بررسی میزان آلودگی فاضلاب و مقایسه با استانداردهای مختلف جهت بازاستفاده یا تخلیه به منابع آبی TSS میباشد که آزمایشی هزینه بر و زمانبر است. مطالعه حاضر در سال ۱۳۹۵ با هدف تخمین TSS خروجی تصفیهخانه فاضلاب اهواز با استفاده از مدلهای هوشمند انجام یافته است. مواد و روشها: با توجه به زمانبر و هزینهبر یودن آزمون TSS، در این تحقیق، توانمندی سه مدل رگرسیون خطی چندمتغیره، شبکه عصبی مصنوعی و سیستم استنتاج فازی عصبیتطبیقی جهت تخمین TSS فاضلاب خروجی از تصفیهخانه فاضلاب با استفاده از نرمافزار MATLAB و SPSS ۲۱ بررسی شد. براین اساس ترکیبات مختلفی از پارامترهای کیفی فاضلاب، طی دوره آماری ۸ ساله (۱۳۹۴-۱۳۸۷) به عنوان ورودی مدلها در دو حالت روزانه و ماهانه مورد ارزیابی قرار گرفت. نتایج: مدل رگرسیون حداکثر ضریب تعیین(R۲) برای مراحل آموزش و صحتسنجی را بهترتیب در دوره روزانه ۷۵/۰ و ۶۷/۰ و در دوره ماهانه ۶۸/۰ و ۶۶/۰ بهدست آورد؛ ریشه میانگین مربعات خطا(RMSE) در این آزمون ۰۳۳/۰ و ۰۲۵/۰ در دوره روزانه و ۰۵۳/۰ و ۰۵۳/۰ در دوره ماهانه، بهدست آمد. حداکثرR۲ با شبکه عصبی مصنوعی بهترتیب برای مراحل آموزش و صحتسنجی در دوره روزانه ۸۷/۰ و ۷۹/۰ و در دوره ماهانه ۸۷/۰ و ۸۵/۰، و RMSE برابر ۰۳۰/۰ و ۰۲۳/۰ در دوره روزانه و ۰۳۴/۰ و ۰۳۱/۰ در دوره ماهانه، بهدست آمد. نتایج بیشترین r۲ را برای مدل سیستم استنتاج فازیعصبیتطبیقی نشان دادند که در دوره روزانه ۹۱/۰ و ۸۳/۰ و در دوره ماهانه ۸۹/۰ و ۸۷/۰، و مقدار RMSE برابر ۰۲۶/۰ و ۰۲۵/۰ در دوره روزانه و ۰۳۱/۰ و ۰۲۸/۰ در دوره ماهانه، بهترتیب برای مراحل آموزش و صحتسنجی بود. نتیجهگیری: براساس یافته های تحقیق هر سه مدل در تخمین مقدارTSS فاضلاب خروجی کاربرد مناسبی داشتند، اما مدل سیستم استنتاج فازی عصبی تطبیقی به دلیل برازش بهتر و خطای کمتر، مدلی مناسبتر است.
کلیدواژه ها:
نویسندگان
مجتبی قائدرحمتی
کارشناس ارشد مهندسی عمران-محیطزیست،دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران
هادی معاضد
استاد دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز،اهواز، ایران
پروانه تیشه زن
استادیار دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران(نویسنده مسوول)
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :