ارزیابی تاثیر پارامترهای تصفیه خانه فاضلاب با استفاده از هوش مصنوعی توضیح پذیر، در نتایج مدل شبکه عصبی مصنوعی

در این تحقیق جهت ارزیابی اکسیژن مورد نیاز بیولوژیکی (BODeff) و اکسیژن مورد نیاز شیمیایی (CODeff) پساب تصفیه خانه فاضلاب تبریز از یک مدل هوش مصنوعی جعبه سیاه به نام شبکه عصبی پیش خور (FFNN) استفاده شده است . دادههای مورد استفاده برای این مدلسازی ، مربوط به اطلاعات روزانه تصفیه خانه تبریز از سال ۱۳۹۷ تا ۱۳۹۹ است . با توجه به اهمیت انتخاب پارامترهای ورودی موثر برای مدل، از دو تکنیک ضریب همبستگی (CC) و تابع اطلاعات مشترک (MI) جهت انتخاب ورودی ها استفاده شد. نتایج مدلسازی نشان داد که کاهش تعداد ویژگی های ورودی به شبکه با استفاده از روش MI تا حدودی باعث بهبود نتایج می شود. جهت بررسی اهمیت هریک از ویژگی ها از روش توضیح افزودنی (SHAP)Shapley که یکی از الگوریتم های هوش مصنوعی توضیح پذیر (XAI) می باشد، استفاده شد. بکارگیری این تکنیک نوظهور و تصویرسازی سهم هریک از ورودی ها در نتایج بدست آمده از مدل به این نتیجه انجامید که ، BODeff و CODeff با یک روز تاخیر BODeff(t-۱)) و (CODeff(t-۱) به ترتیب با داشتن سهم حدودی ۶۰% و۶۴% در نتایج کل ، تاثیرگذارترین ویژگی ها در نتایج مدلسازی FFNN می باشند.

کلیدواژه ها:

ارزیابی پارامترهای پساب ، شبکه عصبی مصنوعی ، هوش مصنوعی توضیح پذیر ، تصفیه خانه فاضلاب تبریز