بررسی کارآیی روشهای هوش مصنوعی در پیشبینی عملکرد تصفیهخانه فاضلاب (مطالعه موردی: تصفیهخانه فاضلاب شهر تبریز) | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 15، دوره 53، شماره 3، خرداد 1400، صفحه 1033-1048 اصل مقاله (1.94 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2019.16757.6334 | ||
| نویسندگان | ||
| محمد تقی اعلمی* 1؛ نسیم حجابی2؛ وحید نورانی1؛ سید مهدی ثاقبیان3 | ||
| 1گروه مهندسی منابع آب، دانشکده مهندسی عمران، دانشگاه تبریز | ||
| 2گروه مهندسی عمران-آب، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران | ||
| 3گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد اهر، ایران | ||
| چکیده | ||
| افزایش نگرانی در مورد مسائل زیستمحیطی متخصصین را تشویق کرده است که توجه خود را روی عملکرد و کنترل درست تصفیهخانههای فاضلاب (WWTPS) متمرکز کنند. در مطالعه حاضر دو روش شبکه عصبی مصنوعی و ماشین بردار پشتیبان برای مدلسازی کیفیت پساب خروجی تصفیهخانه فاضلاب شهر تبریز مورد استفاده قرار گرفته است. دادههای ورودی شامل پارامترهای BODinf، CODinf، TSSinf و PHinf فاضلاب در ورودی تصفیهخانه تبریز است که برای پیشبینی مقادیر متناظر مشخصههای BODeff، CODeff و TSSeff در پساب خروجی تصفیهخانه به کار برده شده است. دادهها بصورت میانگین روزانه، هفتگی و ماهانه مورد بررسی قرار گرفته است. بر طبق نتایج، هر دو روش ذکر شده، دارای عملکرد بهتری در مدلسازی پارامترهای کیفیت پساب خروجی تصفیهخانه تبریز به صورت ماهانه میباشد. مقادیر عددی معیارهای ارزیابی، R2، RMSE و DC مربوط به دادههای تست ماهانه برای مدل برتر روش شبکه عصبی به ترتیب برای BODeff 87/0، 86/2 و 76/0، برای CODeff 859/0، 51/4 و 715/0، و برای TSSeff 8/0، 2 و 63/0 بدست آمد و مقادیر عددی معیارهای ارزیابی، R2، RMSE و DC مربوط به دادههای تست ماهانه برای مدل برتر روش ماشین بردار پشتیبان به ترتیب برای BODeff 88/0، 8/2 و 77/0، برای CODeff 86/0، 38/4 و 73/0، و برای TSSeff 79/0، 03/2 و 62/0 بدست آمد. | ||
| کلیدواژهها | ||
| تصفیهخانه فاضلاب؛ مدلهای هوش مصنوعی؛ شبکه عصبی مصنوعی؛ ماشین بردار پشتیبان؛ کیفیت پساب خروجی تصفیهخانه فاضلاب | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,290 تعداد دریافت فایل اصل مقاله: 2,131 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,374,831 |
| تعداد دریافت فایل اصل مقاله | 6,933,005 |