ارزیابی عملکرد تصفیه‌‌ خانه فاضلاب خرم‌‌آباد توسط شبکه هوش مصنوعی

مقدمه: در دو دهه اخیر کاربرد مدل های هوش مصنوعی به منظور بهره برداری صحیح از تصفیه خانه و حفظ پایداری فرآیند های تصفیه در شرایط مطلوب، توسط محققین بسیار فراگیر شده است. این مدل ها به منظور شبیه سازی رفتار سیستم تصفیه خانه می توانند به عنوان یک ابزار موثر برای پیش بینی عملکرد تصفیه خانه به کار برده شوند. هدف از انجام این مطالعه ارزیابی عملکرد تصفیه خانه فاضلاب خرم آباد توسط شبکه هوش مصنوعی می باشد.مواد و روش ها: در این مطالعه با استفاده از مدل annlm و مبنا قرار دادن مشخصه های کیفی اندازه گیری شده در ورودی تصفیه خانه (t، ph،do ، bod، cod، tss،tds ، no3، po4)، مقدار متناظر سه مشخصهbod ،cod و tss در خروجی تصفیه خانه پیش بینی گردید. شاخص های آماری مورد استفاده شامل r، mse و نرم افزار های مورد استفاده شامل matlab و spss (آزمون آماری ttest) بودند.یافته ها: براساس نتایج،bod ،cod و tss به ترتیب با حداکثر r، 98/0، 91/0 و 92/0 برای داده های آموزش و 5/0، 66/0 و 5/0 برای داده های آزمایش و حداقل mse، 5/3، 15/33 و17/2 برای داده های آموزش و 11، 115 و 99/20 برای داده های آزمایش پیش بینی شدند و نتایج قابل قبولی ارائه شد. همچنین، با محاسبه درصد بازده حذف آلاینده ها در خروجی تصفیه خانه مشخص شد حداکثر بهره وری حذف در تصفیه خانه مربوط به آلاینده tss بوده و معادل 68/87 درصد است. سایر آلاینده ها نیز مقادیری نزدیک به tss داشتند.بحث و نتیجه گیری: در این مطالعه annlm یک ابزار قابل اطمینان برای پیش بینی عملکرد سیستم تصفیه خانه فاضلاب خرم آباد ایجاد نمود و توانست بر مبنای پارامتر های اندازه گیری شده، کیفیت پساب خروجی را پیش بینی نماید. بازده حذف آلاینده ها از طریق مقادیر برآوردی با شبکه annlm به گونه ای بوده که به واسطه نزدیکی با مقادیر مشاهداتی مبین کارایی خوب این مدل به کار برده شده است. همچنین تصفیه خانه در کاهش مقادیر کیفی در حد مقادیر استاندارد توصیه شده از سوی سازمان حفاظت محیط زیست، از کارایی خوبی برخوردار است.

The performance evaluation of Khorramabad wastewater treatment plant by using artificial intelligence network

Background: In the last two decades the using of artificial intelligence models for correct operation of the water treatment plant and maintain the stability of systems in favorable conditions, much researches has been done in this area. These models to simulate the behavior of water treatment systems can be used as an effective tool and to be used in the prediction of plant performance. The aim of this study was to evaluate of Khorramabad wastewater treatment plant performance (WWTP) using artificial intelligence network (AIN).Materials and Methods: In this study, by using the AINLM and underlying the quality parameters measured at the entrance of plant (T, PH, DO, BOD, COD, TSS, TDS, NO3, PO4), the corresponding three parameters BOD, COD and TSS in the output of wastewater treatment plant was predicted. Statistical indicators used in this study were R, MSE and the software Matlab and SPSS (test Ttest), respectively.Results: Based on the results, BOD, COD and TSS, respectively, with a maximum R, 0/98, 0/91 and 0/92 for the train data and 0/5, 0/66 and 0/5 for the test data and minimum MSE, 3/5, 33/15 and 2/17 for the train data 11, 115 and 20/99 were predicted for the test data, and the results were acceptable. Also, by calculating the percent removal of pollutants in the output of plant was revealed that TSS had the maximum efficiency of pollutant removal in wastewater treatment plant and was equal to 87/68 %. Also, other amounts of pollutant were closed to TSS.Conclusion: In this study, AINLM created a reliable tool for predicting the performance of Khorramabad wastewater treatment plant and could predict the quality of effluent on the basis of measured parameters. So, remove of pollutants through the results were obtained by using the AINLM network, showed that, it was a good model, so the observed data indicates that confirm of the performance this model, as well. Also, the reduction of qualitative values as standard values recommended by the DOE indicates that the relatively good performance of the WWTP.