ارزیابی راندمان تصفیه خانه فاضلاب با استفاده از مدل سازی مبتنی بر شبکه های عصبی مصنوعی (مطالعه موردی: شهر بوشهر در ایران)

هدف: تصفیه فاضلاب نقش مهمی در حل مشکل کمبود کمی و کیفی منابع آب برای توسعه مناطق شهری دارد. در این زمینه حفظ و افزایش راندمان تصفیه خانه های فاضلاب اهمیت قابل توجه ای برای بازیافت این منابع آب دارند. لذا، مدل سازی عملکرد تصفیه خانه فاضلاب در مراحل مختلف تصفیه دارای اهمیت زیادی است.مواد و روش ها: در این مطالعه، روش شبکه عصبی مصنوعی (ANNs) برای مدل سازی کیفیت پساب خروجی تصفیه خانه فاضلاب شهر بوشهر به کار گرفته شده است. داده های ورودی و خروجی شامل پارامترهای BOD، COD، EC، TSS و TDS است. نتایج: نتایج خروجی شبکه های عصبی مصنوعی نشان داد که این الگوریتم در مدل سازی پارامترهای کیفیت پساب، عملکرد مناسبی دارد. مدل سازی پارامترهای EC، TDS، COD، TSS و BOD با استفاده از شبکه عصبی مصنوعی، نتایج متفاوتی را در مراحل مختلف تصفیه فاضلاب نشان داد. بر اساس نتایج، دقت مدل برای پارامتر EC با ضریب تعیین ۸۴/۰ برای دوره آزمون، در مرحله اول به بالاترین مقدار خود رسید. برای پارامتر TDS، بهترین دقت در مرحله سوم به دست آمد. در مدل سازی پارامتر COD، دقت شبکه در مرحله اول بسیار مطلوب بود. برای پارامتر TSS، بیشترین دقت دوره آموزش در مرحله سوم با ضریب تعیین ۷۹/۰ به دست آمد، در حالی که در دوره آزمون، مرحله دوم با ضریب تعیین ۶۵/۰ بهترین نتیجه را داشت. نهایتا، برای پارامتر BOD، بیشترین دقت مربوط به مرحله سوم بود. بهترین عملکرد برای EC و COD در مرحله اول با دقت بالای ۸۰/۰ مشاهده شد، در حالی که برای TDS بیشترین دقت در مرحله دوم حاصل شد. برای TSS و BOD، دقت مدل در مرحله سوم بهبود یافت، اما در مراحل دیگر پراکندگی داده ها و خطاهای بیشتری مشاهده شد. نتیجه گیری: تحلیل نمودارهای ویولن نشان می دهد که داده های مشاهداتی و شبیه سازی شده برای پارامترهای EC، TDS، COD، TSS و BOD در هر مرحله از تصفیه به هم نزدیک شده اند، که نشان دهنده دقت مطلوب مدل شبکه عصبی مصنوعی است. نمودارها بیانگر این هستند که مقدار این پارامترها در ورودی تصفیه خانه بالا بوده، اما پس از انجام تصفیه در هر مرحله کاهش یافته است؛ این موضوع حاکی از عملکرد موفق سیستم تصفیه است. همچنین، متغیرهای TSS، COD و BOD بیشترین شباهت و دقت را در مدل سازی داشتند.

کلیدواژه ها:

تصفیه خانه ، مدل سازی ، شبکه های عصبی مصنوعی ، بوشهر ، ایران