مقایسه شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در پیش بینی کدورت فیلتراسیون شنی کند تصفیه خانه آب طبس

چکیده: زمینه و هدف:کدورت آب تصفیه شده به عنوان یک پارامتر مهم در تعیین کیفیت آب آشامیدنی و یا صنعتی در تمامی تصفیه خانه ها اندازه گیری می شود. از دیر باز با توجه به اهمیت یافتن شیوع عوامل بیماریزا مثل ژیاردیا و کریپتوسپوریدیوم که عامل ایجاد بیماری های خطرناکی همچون اسهال خونی می باشند، رابطه کاهش میزان کدورت و افزایش حذف این میکروارگانیزم ها در مطالعات به اثبات رسیده است.مواد و روش ها:در این مطالعه یک مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در پیش بینی کدورت خروجی از آب تصفیه شده تصفیه خانه شهر طبس توسعه و عملکرد آنها با هم مقایسه گردید. کل جامدات محلول، pH، ، دما و کدورت ورودی به عنوان پارامترهای ورودی مدل ها در پیش بینی ها استفاده شد. بهترین الگوریتم پس انتشار و تعداد نورون برای بهینه سازی معماری مدل تعیین شد.یافته ها:نتایج نشان داد که الگوریتم لونبرگ-مارکوارت به عنوان بهترین الگوریتم انتخاب شد و تعداد نورون بهینه نیز ۱۶ تعیین شد. همچنین نتایج تحلیل حساسیت مدل شبکه عصبی نشان داد که کدورت ورودی با مقدار ۲۹ درصد به عنوان مهمترین پارامتر در توسعه مدل شبکه عصبی مصنوعی است.نتیجه گیری:نتایج ضریب همبستگی مدل رگرسیون خطی چندگانه و مدل شبکه عصبی مصنوعی به ترتیب برای داده های آموزش ۶۳/۰ و ۸۹۲/۰ و برای داده های تست ۶۰/۰ و ۸۵۷۱/۰ به دست آمد که نشان از برتری مدل شبکه عصبی مصنوعی در پیش بینی کدورت خروجی از تصفیه خانه آب طبس است.

کلیدواژه ها:

کدورت ، تصفیه خانه آب ، شبکه عصبی مصنوعی ، رگرسیون خطی چندگانه ، پیش بینی