تخمین مقدار کلر ثانویه لازم برای تصفیه آب با استفاده از ماشین های بردار پشتیبان و برنامه ریزی ژنتیک

کلرزنی ثانویه در فرآیند تصفیه آب برای از بین بردن کامل آلودگی های باقیمانده و سالم نگه داشتن آب انجام می گیرد. مقدار کلر ثانویه به ویژگی هایی مثل کدورت، pH، دما، کلر باقی مانده و جامدات معلق بستگی داشته و معمولا بر اساس اندازه گیری و تجربه اپراتور و به صورت حدس و خطا تعیین می شود. استفاده از روش های مبتنی بر یادگیری ماشین و محاسبات نرم، یکی از رویکردهایی است که در سال های اخیر برای تخمین مقادیری که ارتباط ریاضی مشخص یا ساده ای ندارند، بسیار متداول شده است. در این تحقیق بر اساس داده های واقعی تصفیه خانه آب گیلان، از رگرسیون مبتنی بر ماشین های بردار پشتیبان و برنامه ریزی ژنتیک برای تخمین مقدار کلر ثانویه استفاده شده و با نتایج روش های شبکه عصبی و شبکه بیزین در تحقیقات پیشین مقایسه شده است. برای مقایسه عملکرد مدل ها از ۸ معیار ارزیابی استفاده شد. بهترین تتیجه بدست آمده مربوط به روش SVM با بکارگیری کرنل شعاعی با ضریب NSE=۰.۹۸ می باشد. نتایج نشان می دهد عملکرد روش مبتنی بر ماشین های بردار پشتیبان بسیار مطلوب بوده و در عمل می تواند به عنوان یک حدس اولیه برای تخمین مقدار کلر ثانویه لازم در تصفیه آب استفاده شود.

کلیدواژه ها:

تصفیه آب ، کلرزنی ، برنامه ریزی ژنتیک ، ماشین های بردار پشتیبان ، رگرسیون