استفاده از مدل ترکیبی برای بهبود عملکرد روشهای ANN، ANFIS و SVR در تخمین پارامترهای BOD و COD پساب تصفیهخانه فاضلاب | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 7، دوره 53، شماره 11، بهمن 1400، صفحه 4683-4702 اصل مقاله (2.42 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2020.18441.6873 | ||
| نویسندگان | ||
| پریسا اصغری؛ وحید نورانی* ؛ الناز شرقی؛ نازنین بهفر | ||
| گروه عمران آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران | ||
| چکیده | ||
| دستیابی به طراحی دقیق و راهبری صحیح تصفیهخانههای فاضلاب از جمله چالشهای مهم در صنعت آب و فاضلاب به شمار میآید. مدلهای عددی به دلیل نیاز به دادههای فراوان، زمانبر بوده و صرفه اقتصادی ندارند. بنابراین در این مطالعه، عملکرد تصفیهخانه فاضلاب تبریز با استفاده از مدلهای جعبهسیاه هوش مصنوعی شامل شبکه عصبی مصنوعی (ANN)، سیستم استنتاج تطبیقی عصبی-فازی (ANFIS)، رگرسیون بردار پشتیبان (SVR) و مدل جعبهسیاه کلاسیک خودهمبسته تفاضلی با میانگین متحرک (ARIMA) براساس دادههای روزانه سالهای 1395-1396 مورد بررسی قرار گرفته است. جهت تعیین پارامترهای ورودی از معیار ضریب همبستگی (CC) استفاده شد که پارامترهای اکسیژن مورد نیاز بیولوژیکی (BOD)، اکسیژن مورد نیاز شیمیایی (COD) ، مواد جامد معلق (TSS)، pH ورودی به تصفیهخانه در زمان t و BOD وCOD پساب خروجی از تصفیهخانه در یک گام زمانی قبل (t-1) با بیشترین مقادیر CC به عنوان ورودی انتخاب گردیدند. BOD وCOD پساب خروجی نیز به عنوان پارامترهای خروجی مدلهای هوش مصنوعی در نظرگرفته شدهاند. همچنین برای بهبود عملکرد مدلسازی، روش ترکیب مدل با استفاده از خروجی مدلهای منفرد مذکور، به عنوان یک روش پسپردازش، بکار گرفته شده است. ترکیب مدل به سه روش میانگینگیری خطی ساده، میانگینگیری خطی وزندار و میانگینگیری غیر خطی با استفاده از شبکه عصبی مصنوعی انجام گرفته است. نتایج حاکی از آن است که بکارگیری مدلهای غیرخطی بهتر از مدل خطی ARIMA بوده و مدل SVR بالاترین مقدار ضریب تبیین (DC) را ارائه کرده است. همچنین استفاده از مدلهای ترکیبی و به ویژه مدل ترکیبی غیرخطی با شبکه عصبی مصنوعی باعث افزایش عملکرد مدلسازی تا 15% در مرحله صحتسنجی میشود. | ||
| کلیدواژهها | ||
| محاسبات نرم؛ هوش مصنوعی؛ مدل خطی ARIMA؛ ترکیب مدل؛ تصفیهخانه فاضلاب تبریز | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,361 تعداد دریافت فایل اصل مقاله: 1,846 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,376,198 |
| تعداد دریافت فایل اصل مقاله | 6,935,632 |