مدل سازی کربن آلی کل (TOC) به کمک شبکه عصبی نوع GMDH و الگوریتم ژنتیک در آب خروجی از تصفیه خانه آب گیلان

صنعت آب بخشی بسیار مهم و زیربنایی در امر توسعه است و تصفیه خانه های آب یکی از مهم ترین بخش های این صنعت در راستای تامین آب شرب مورد نیاز می باشند. با توجه به اینکه وجود کربن آلی کل (TOC) موجود در آب، در اثر واکنش با منعقدکننده کلروفریک علت اصلی تولید تری هالومتان ها در فرآیند تصفیه آب، در تصفیه خانه ها می باشد و با توجه به اثرات سوء تری هالومتان ها از نظر بهداشتی و سرطان زا بودن، پیش بینی میزان TOC می تواند؛ باعث کاهش مصرف منعقد کننده و کاهش تولید تری هالومتان ها در فرآیند گندزدایی تصفیه خانه آب شود. در این تحقیق به منظور مدل سازی میزان کربن آلی کل (TOC) نهایی در خروجی تصفیه خانه، تعداد ۱۲۰ سری داده از واحد بهره برداری تصفیه خانه بزرگ آب گیلان از سال ۱۴۰۱-۰۲ جمع آوری شد. داده های ورودی شامل پارامترهای کیفی آب نظیر دما، pH، کدورت، TOC اولیه، منعقدکننده کلروفریک، پلی الکترولیت و داده خروجی، TOC نهایی آب می باشد. داده های جمع آوری شده از واحد بهره برداری تصفیه خانه بزرگ آب گیلان به دو دسته (۳۰ درصد برای آزمایش و ۷۰ درصد برای آموزش) تقسیم شدند. در این مطالعه شبکه عصبی نوع GMDH و الگوریتم ژنتیک که دارای ۵ لایه مخفی پنهان می باشد به عنوان شبکه عصبی بهینه انتخاب شده است. در نهایت نتایج مدل سازی از تلفیق شبکه عصبی نوع GMDH و الگوریتم ژنتیک برای صحت درستی با آنالیز خطا مورد بررسی قرار گرفت و با توجه به شاخص های آماری نظیر ۲R، MSE، RMSE و NRMSE که به ترتیب ۰.۹۴۴۷، ۰.۰۱۱۴، ۰.۱۰۷۱، ۰.۰۴۷۶ به دست آمده است، نشان دهنده این است که تعیین TOC نهایی خروجی از تصفیه خانه به کمک تلفیق شبکه عصبی نوع GMDH و الگوریتم ژنتیک از کارایی، دقت و سرعت بسیار خوبی برخوردار است.

کلیدواژه ها:

مدل سازی ، TOC ، تصفیه آب ، شبکه عصبی نوع GMDH ، الگوریتم ژنتیک