پيش‌بيني تأثيرات شوك هيدروليكي فاضلاب در رخدادهاي غيرمترقبه با استفاده از تركيب عملگر موجك و الگوريتم شبكه هوش مصنوعي

با توجه به توسعه شهرنشيني و محدوديت منابع آب شيرين، اهميت تصفيه فاضلاب و رفع آلودگي محيط‌ زيست موردتوجه است. جريان فاضلاب ورودي مي‌تواند به‌طور قابل‌توجهي طي پديده هاي جوي يا رخدادهاي تقويمي افزايش يابد كه در نتيجه، ايجاد شوك هيدروليكي و به‌تبع آن باعث از بين رفتن پروسه‌هاي بيولوژيكي تصفيه‌خانه‌ها شود. به‌طوري‌كه اين شوك‌هاي هيدروليكي با كاهش زمان، ماند هيدروليكي و زمان تصفيه كمتر ميكروارگانيسم ها همراه است، پس مواد آلي سريع‌تر از سيستم خارج‌شده و راندمان تثبيت و حذف آلاينده‌ها به‌شدت كاهش مي يابد. در اين تحقيق از داده‌هاي روزانه تصفيه‌خانه زرگنده، از سال 1393 تا سال 1397 استفاده شد، داده‌هاي چهار سال اول براي آموزش و ارزيابي شبكه عصبي و داده هاي سال پنجم براي آزمايش شبكه عصبي استفاده گرديد و همچنين با استفاده از عملگر موجكِ نرم افزار متلب (Matlab)، نويز موجود در داده هاي ورودي شناسايي و حذف شد. سپس خروجي آن به عنوان ورودي براي الگوريتم شبكه عصبي با سه لايه پنهان و 43 نورون در كليه لايه‌ها با توابع انتقال تانژانت سيگموئيد و لگاريتم سيگموئيد تعيين شد. مقادير رگرسيون داراي حداقل 96% و حداكثر 99% انطباق است و اين نشان از مدل‌سازي متناسب و بسيار كارآمد تركيبي موجك و شبكه عصبي است. به‌طوري‌كه با توجه به تعداد 1825 داده موجود و تفاوت مقداري آن‌ها، بالاترين ميزان RMSE و MSE مربوط به دسته تست به ترتيب برابر مقادير 53.53 و 2865.55 است.