بررسي كارآيي روش‌هاي هوش مصنوعي در پيش‌بيني عملكرد تصفيه‌‌خانه فاضلاب (مطالعه موردي: تصفيه‌خانه فاضلاب شهر تبريز)

Investigation of Artificial Intelligence Approaches Capability in Predicting the Wastewater Treatment Plant Performance (Case Study: Tabriz Wastewater Treatment Plant)

افزايش نگراني در مورد مسائل زيست‌محيطي متخصصين را تشويق كرده است كه توجه خود را روي عملكرد و كنترل درست تصفيه‌خانه‌هاي فاضلاب (WWTPS) متمركز كنند. در مطالعه حاضر دو روش شبكه عصبي مصنوعي و ماشين بردار پشتيبان براي مدل‌سازي كيفيت پساب خروجي تصفيه‌خانه فاضلاب شهر تبريز مورد استفاده قرار گرفته است. داده‌هاي ورودي شامل پارامتر‌هاي BODinf، CODinf، TSSinf و PHinf فاضلاب در ورودي تصفيه‌خانه تبريز است كه براي پيش‌بيني مقادير متناظر مشخصه‌هاي BODeff، CODeff و TSSeff در پساب خروجي تصفيه‌خانه به كار برده شده است. داده‌ها بصورت ميانگين روزانه، هفتگي و ماهانه مورد بررسي قرار گرفته است. بر طبق نتايج، هر دو روش ذكر شده، داراي عملكرد بهتري در مدل‌سازي پارامترهاي كيفيت پساب خروجي تصفيه‌خانه تبريز به صورت ماهانه مي‌باشد. مقادير عددي معيارهاي ارزيابي، R2، RMSE و DC مربوط به داده‌هاي تست ماهانه براي مدل برتر روش شبكه عصبي به ترتيب براي BODeff 0/87، 2/86 و 0/76، براي CODeff 0/859، 4/51 و 715/0، و براي TSSeff 0/8، 2 و 0/63 بدست آمد و مقادير عددي معيارهاي ارزيابي، R2، RMSE و DC مربوط به داده‌هاي تست ماهانه براي مدل برتر روش ماشين بردار پشتيبان به ترتيب براي BODeff 0/88، 2/8 و 0/77، براي CODeff 0/86، 4/38 و 0/73، و براي TSSeff 0/79، 2/03 و 0/62 بدست آمد.

Due to the excessive concern about environmental issues, researchers had to come up with a better solution to control the Wastewater treatment plants (WWTPs).In this research, two approaches, including Artificial Neural Network (ANN) and Support Vector Machine (SVM) have been used for modeling the effluent quality of the Tabriz Wastewater Treatment Plant. Input data of models consist ofBODinf, CODinf, TSSinf, and PHinf of influent sewage related to Tabriz Treatment Plant which has been used to predict the corresponding value of BODeff, CODeff, and TSSeff concerning the treatment plant effluent. The daily, weekly, and monthly average data have been studied. According to the results, the two approaches mentioned, have the best performance in the prediction of the monthly average dataset of effluent parameters of Tabriz Wastewater Treatment Plant.