تخمین TSS خروجی تصفیهخانه فاضلاب اهواز با استفاده از مدل های هوشمند
- سال انتشار: 1399
- محل انتشار: فصلنامه علوم و تکنولوژی محیط زیست، دوره: 22، شماره: 9
- کد COI اختصاصی: JR_ESTJ-22-9_019
- زبان مقاله: فارسی
- تعداد مشاهده: 309
نویسندگان
کارشناس ارشد مهندسی عمران-محیطزیست،دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران
استاد دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز،اهواز، ایران
استادیار دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران(نویسنده مسوول)
چکیده
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
فاضلاب, مواد جامد معلق, رگرسیون, شبکه عصبی مصنوعی, استنتاج فازی عصبی تطبیقیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.