مروری تحلیلی بر مدل های هوش مصنوعی برای پیش بینی آنی کیفیت فاضلاب با تکیه بر شاخص های جایگزین

مدیریت کارآمد تصفیه خانه های فاضلاب مستلزم پایش آنی پارامترهای کیفی است، اما روش های سنتی اندازه گیری شاخص هایی مانند اکسیژن خواهی زیست شیمیایی پنج روزه (BODs) به دلیل زمان بر و پرهزینه بودن این نیاز را تامین نمی کنند. این پژوهش، مروری کاربرد مدل های یادگیری ماشین و هوش مصنوعی را برای پیش بینی پارامترهای پیچیده از طریق شاخص های جایگزین سریع الاندازه گیری بررسی می کند. پس از مرور نظام مند ۵۰ مطالعه منتشر شده بین ۲۰۲۰ - ۲۰۲۵، یافته ها نشان می دهند که مدل های ترکیبی و گروهی با دقت بالای ۰.۹ < R۲ در پیش بینی BODs عملکرد مطلوبی دارند. تکنیک های انتخاب ویژگی و هوش مصنوعی تفسیرپذیر (XAI) نقش کلیدی در بهبود عملکرد و کاهش پیچیدگی مدل ها ایفا می کنند. ادغام با فناوری اینترنت اشیاء امکان پایش کاملا آنی را فراهم می آورد. با این حال چالش هایی نظیر تعمیم پذیری، کیفیت داده ها و پیش بینی شناساگرهای میکروبی همچنان باقی است.

کلیدواژه ها:

پیش بینی ، کیفیت فاضلاب ، یادگیری ماشین ، اکسیژن خواهی زیستی ، پارامترهای جایگزین ، مدل های ترکیبی ، پایش آنی