شهرزاد حاجی زاده - دانشجوی کارشناسی ارشد دانشگاه شهرکرد، شهرکرد، ایران
الهام قنبری عدیوی - گروه مهندسی آب دانشگاه شهرکرد
مهدی اسدی آقبلاغی - گروه مهندسی آب، دانشگاه شهرکرد، شهرکرد، ایران
علی رئیسی - گروه مهندسی آب، دانشگاه شهرکرد، شهرکرد، ایران

با توجه به محدود بودن منابع آب در جهان، مدل سازی و پیش بینی پارامتر های کیفی پساب خروجی تصفیه خانه فاضلاب، نقش مهمی را در حوزه مدیریت منابع آب در مناطق مختلف جهان ایفا می کند. محدود بودن منابع آب شیرین در جهان و همچنین رشد روز افزون جمعیت و توسعه شهرنشینی، رویکرد استفاده مجدد از پسابهای شهری را اجتناب ناپذیر ساخته است. در چنین شرایطی، استفاده از آب بازیافتی می تواند به عنوان یکی از راه های غلبه بر کم آبی و جلوگیری از هدر دادن منابع آب تلقی شود. در این مطالعه، از مدل های شبکه عصبی چندلایه MLP، شبکه عصبی شعاعی پایه RABF و همچنین ادغام این مدل ها با چندین الگوریتم دیگر از جمله، الگوریتم ژنتیک GA، الگوریتم ازدحام ذرات PSO و الگوریتم سینوس کسینوس SCA، به منظور پیش بینی پارامترهای کیقی پساب خروجی تصفیه خانه فاضلاب از جمله BODeff، CODeff و TSSeff بهره گرفته شد. در واقع مزیت بکارگیری الگوریتم های بهینه سازی GA، PSO و SCA، یافتن مدل عصبی بهینه بوده است. ۴ پارامتر موثر شامل اکسیژن خواهی بیوشیمیایی ۵ روزه (BOD۵)، اکسیژن خواهی شیمیایی (COD)، کل مواد جامد معلق در فاضلاب (TSS) و خاصیت اسیدی یا قلیایی فاضلاب (pH)، طی دوره آماری ۳ ساله (۱۳۹۷ تا ۱۳۹۹) به عنوان ورودی به مدل انتخاب شدند. همچنین سایزهای ۷۰% و ۳۰% به عنوان بهترین سایزها برای مراحل آموزش و آزمایش به منظور مدل سازی پارامترهای BODeff و CODeff تعیین شدند.

شبکه عصبی مصنوعی, الگوریتم ژنتیک, الگوریتم ازدحام ذرات, الگوریتم سینوس کسینوس, پارامترهای کیفی