چکیده مقاله
با افزایش جمعیت و گسترش شهرها پیشبینی عملکرد تصفیه خانه های فاضلاب و ارزیابی قابلیت کاربرد پساب تولیدی با استفاده از نتایج حاصل از پیشبینی مدلها، سبب صرفه جویی در هزینه ها و جلوگیری از اتلاف وقت میشود و بدین ترتیب کنترل و بهره برداری مناسبی را اعمال مینماید یکی از پرکاربردترین رو شهای استخراج الگوی تغییر پارامترها، داده کاوی به روش شبکه های عصبی مصنوعی است هدف از این تحقیق پیشبینی MLSS در واحدهای فرآیندی با استفاده از داده کاوی است اطلاعات مورد نیاز در این پژوهش با همکاری شرکت آب و فاضلاب استان خراسان شمالی جمع آوری شده است و شامل پارامترهای ورودی تصفیه خانه فاضلاب دمای نمونه، دبی، PH ، BOD ، COD ، TSS و VSS و پارامتر خروجی MLSS لاگون هوادهی در مدول دوم از سال ۹۰ تا ۹۸ به صورت میانگین روزانه و ماهانه است در این تحقیق از مدل شبکه عصبی تک خروجی به ترتیب با دو، سه و چهار لایه پنهان استفاده شده است تابع و الگوریتم استفاده شده LOGSIG و BR است مدل پیشنهادی برای هر چهار استخر هوادهی در مدول دوم تصفیه خانه ی مذکور برپا شده است بر اساس نتایج بدست آمده، مدل دو لایه میانی با تعداد نرونهای لایه مخفی اول و دوم به ترتیب ۸ و ۴، بهترین نتایج را برای پارامتر MLSS به دست میدهد ضریب همبستگی دادههای تست ۶۹ / ۰ و نیز ریشه میانگین مربعات خطا ۱۳ / ۰ بود
کلیدواژهها
نویسندگان
ابراهیم علامتیان
استادیار گروه عمران، موسسه آموزش عالی خاوران مشهد
مرتضی پاکدامن
استادیار گروه مخاطرات و تغییر اقلیم، پژوهشکده اقلیمشناسی مشهد
ناهید سجادی
دانشجوی کارشناسی ارشد محیط زیست، موسسه آموزش عالی خاوران
شیوه ارجاع
�لامتیان، ابراهیم و پاکدامن، مرتضی و سجادی، ناهید،1400،پیشبینی پارامتر MLSS واحد فرآیندی در تصفیه خانه فاضلاب شهر بجنورد بااستفاده از داده کاوی،اولین همایش ملی مدیریت کیفیت آب و سومین همایش ملی مدیریت مصرف آب،تهران
ارائهشده در
مجموعه مقالات اولین همایش ملی مدیریت کیفیت آب و سومین همایش ملی مدیریت مصرف آب9 آذر 1400 · تهران