پیش بینی پارامترهای کیفی پساب خروجی تصفیه خانه فاضلاب مبتنی بر اصول و روش های داده کاوی (مطالعه موردی: تصفیه خانه فاضلاب بروجن)

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد دانشگاه شهرکرد، شهرکرد، ایران

2 گروه مهندسی آب دانشگاه شهرکرد

3 گروه مهندسی آب، داشگاه شهرکرد، شهرکرد، ایران

4 گروه مهندسی آب، دانشگاه شهرکرد، شهرکرد، ایران

10.22125/iwe.2024.417805.1752

چکیده

با توجه به محدود بودن منابع آب در جهان، مدل‌سازی و پیش‌بینی پارامتر‌های کیفی پساب خروجی تصفیه‌خانه فاضلاب، نقش مهمی را در حوزه مدیریت منابع آب در مناطق مختلف جهان ایفا می‌کند. محدود بودن منابع آب شیرین در جهان و همچنین رشد روز‌افزون جمعیت و توسعه شهرنشینی، رویکرد استفاده مجدد از پساب‏های شهری را اجتناب‌ناپذیر ساخته است. در چنین شرایطی، استفاده از آب بازیافتی می‌تواند به عنوان یکی از راه‌های غلبه بر کم‌آبی و جلوگیری از هدر دادن منابع آب تلقی شود. در این مطالعه، از مدل‌های شبکه عصبی چندلایه MLP، شبکه عصبی شعاعی پایه RABF و همچنین ادغام این مدل‌ها با چندین الگوریتم دیگر از جمله، الگوریتم ژنتیک GA، الگوریتم ازدحام ذرات PSO و الگوریتم سینوس‌کسینوس SCA، به منظور پیش‌بینی پارامترهای کیقی پساب خروجی تصفیه‌خانه فاضلاب از جمله BODeff، CODeff و TSSeff بهره گرفته شد. در واقع مزیت بکارگیری الگوریتم‌های بهینه‌سازی GA، PSO و SCA، یافتن مدل عصبی بهینه بوده است. 4 پارامتر موثر شامل اکسیژن‌خواهی بیوشیمیایی 5 روزه (BOD5)، اکسیژن‌خواهی شیمیایی (COD)، کل مواد جامد معلق در فاضلاب (TSS) و خاصیت اسیدی یا قلیایی فاضلاب (pH)، طی دوره آماری 3 ساله (1397 تا 1399) به عنوان ورودی به مدل انتخاب شدند. همچنین سایزهای 70% و 30% به عنوان بهترین سایزها برای مراحل آموزش و آزمایش به منظور مدل‌سازی پارامترهای BODeff و CODeff تعیین شدند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Prediction of Effluent Quality Parameters of Wastewater Treatment Plant Using Data Mining Methods (Case Study: Borujen Wastewater Treatment Plant)

نویسندگان [English]

  • Shahrzad Hajizadeh 1
  • elham ghanbari adivi 2
  • Mahdi Asadi Aghbolaghi 3
  • Ali Raeisi 4
1 Master student of Shahre_kord University, Shahre_kord, Iran.
2 Water engineering department at shahrekord university.
3 Department of Water Engineering, Shahrekord University, Shahrekord, Iran
4 Department of Water Engineering, Shahrekord University, Shahrekord, Iran
چکیده [English]

Prediction of effluent quality parameters of wastewater treatment plant is essential in managing water resources, limitation of fresh water resources in the world, furthermore the ever-increasing population growth and the development of urbanization, have made the approach of urban wastewater reuse inevitable. In such a situation, the use of recycled water can be considered as one of the ways to overcome water shortage and prevent wastage of water resources. This research aimed to investigate the performance of Prediction of effluent quality parameters of wastewater treatment plant in using recycled water. On the other hand, due to the health hazards caused by the discharge of wastewater from wastewater treatment plants to water sources, achieving a precise design and correct management of wastewater treatment plants (WWTP: Wastewater Treatment Plant) is one of the important challenges of sustainable water resources management. 4 effective parameters including (BOD), (COD), (TSS) and (pH) of wastewater, were selected as input to the model, during a statistical period of 3 years (1397 to 1399). Also, 70% and 30% sizes were determined as the best sizes for training and testing stages in order to model BODeff and CODeff parameters. In this study, multi-Layer perceptron models (MLP), basic radial neural network models (RABF), as well as the integration of these models with several other algorithms, such as genetic algorithm (GA), particle swarm optimization algorithm (PSO) and sine cosine algorithm (SCA), were used in order to predict the quality parameters of wastewater treatment plant effluent.

کلیدواژه‌ها [English]

  • Genetic Algorithm
  • Particle swarm optimization
  • Since Cosine Algorithm
  • Quality Parameters
نشریه علمی پژوهشی مهندسی آبیاری و آب ایران

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 20 اسفند 1402

فایل ها

هم رسانی

ارجاع به این مقاله

آمار