کاربرد شبکه عصبی مصنوعی در ارزیابی تصفیه خانه فاضلاب جنوب تهران

رشد روز افزون جمعیت، افزایش تقاضا برای آب و خشکسالی های پیش رو، نگرانی های زیادی را در سطح کشور و جهان ایجاد کرده است. به علاوه، رشد و توسعه صنایع مختلف و از جمله صنایع غذایی برای پاسخ به رشد جمعیت، میزان پساب تولیدی را افزایش داده و ورود آلاینده های ناشی از آن به آب های پذیرنده، باعث شده که محیط زیست ظرفیت خودپالایی خود را از دست بدهد. درگذشته فاضلاب ها به عنوان پساب هایی شناخته می شدند که بدون فایده بوده و بایستی به نحوی از بین می رفتند، اما امروزه با کمک فناوری های نوین تصفیه فاضلاب ها، می توان از آنها به عنوان یک منبع غنی اقتصادی استفاده کرده و آنها را مجددا وارد چرخه ی استفاده کرد. مدل سازی تصفیه خانه فاضلاب ابزاری مهم برای کنترل عملکرد فرآیند و پیش بینی عملکرد آن با نوسانات قابل توجه ورودی ها است. هدف از این تحقیق به کار بردن یک شبکه عصبی مصنوعی چندلایه جهت پیش بینی عملکرد پنج ساله تصفیه خانه جنوب از نظر میزان اکسیژن خواهی شیمیایی فاضلاب خروجی است.در این مطالعه به منظور پیش بینی COD خروجی پساب تصفیه شده فاضلاب تصفیه خانه فاضلاب جنوب تهران از روش مدلسازی شبکه عصبی استفاده شده است. مدل شبکه عصبی دو لایه با ۷ ورودی و یک خروجی، با بیشترین مقدار R، خطای کمتری را در مدلسازی ارائه داده است. مقدار R به ترتیب برای داده های آموزش، تست، اعتبارسنجی و مجموع داده ها برابر با مقدار ۰/۸۰۵۲۳، ۰/۸۰۱۰۹، ۰/۷۱۳۲۳، ۰/۷۹۰۵ می باشد. و میانگین مربعات خطا (MSE) برای مجموع داده ها ۰/۰۳۸۹ می باشد. در کل با توجه به مقایسه نتایج حاصل از پیش بینی در این مطالعه با سایر مطالعات و با توجه به شاخص های آماری میتوان از کارایی شبکه عصبی اطمینان حاصل کرد.

کلیدواژه ها:

تصفیه فاضلاب ، لجن فعال ، ، شبکه عصبی چندلایه ، تابع فعالسازی ، الگوریتم آموزش