مقايسه شبكه عصبي مصنوعي و رگرسيون خطي چندگانه در پيش‌بيني كدورت فيلتراسيون شني كند تصفيه خانه آب طبس كاربرد ANN و MLR در پيش بينى كدورت“

زمينه و هدف:كدورت آب تصفيه شده به عنوان يك پارامتر مهم در تعيين كيفيت آب آشاميدني و يا صنعتي در تمامي تصفيه خانه ها اندازه گيري مي شود. از دير باز با توجه به اهميت يافتن شيوع عوامل بيماريزا مثل ژيارديا و كريپتوسپوريديوم كه عامل ايجاد بيماري هاي خطرناكي همچون اسهال خوني مي باشند، رابطه كاهش ميزان كدورت و افزايش حذف اين ميكروارگانيزم ها در مطالعات به اثبات رسيده است.مواد و روش ها:در اين مطالعه يك مدل شبكه عصبي مصنوعي و رگرسيون خطي چندگانه در پيش بيني كدورت خروجي از آب تصفيه شده تصفيه خانه شهر طبس توسعه و عملكرد آنها با هم مقايسه گرديد. كل جامدات محلول، pH، ، دما و كدورت ورودي به عنوان پارامترهاي ورودي مدل ها در پيش‌بيني‌ها استفاده شد. بهترين الگوريتم پس انتشار و تعداد نورون براي بهينه‌سازي معماري مدل تعيين شد.يافته ها:نتايج نشان داد كه الگوريتم لونبرگ-ماركوارت به عنوان بهترين الگوريتم انتخاب شد و تعداد نورون بهينه نيز 16 تعيين شد. همچنين نتايج تحليل حساسيت مدل شبكه عصبي نشان داد كه كدورت ورودي با مقدار 29 درصد به عنوان مهمترين پارامتر در توسعه مدل شبكه عصبي مصنوعي است.نتيجه گيري:نتايج ضريب همبستگي مدل رگرسيون خطي چندگانه و مدل شبكه عصبي مصنوعي به ترتيب براي داده هاي آموزش 0.63 و 0.892 و براي داده هاي تست 0.60 و 0.8571 به دست آمد كه نشان از برتري مدل شبكه عصبي مصنوعي در پيش بيني كدورت خروجي از تصفيه خانه آب طبس است.