افزایش دقت مدل‌سازی عصبی تصفیه‌خانه‌های فاضلاب صنعتی با استفاده از روش‌های آماری

به منظور کنترل بهتر و کارآمد عملکرد تصفیه‌خانه‌های فاضلاب صنعتی، می‌توان از یک ابزار ریاضی، برمبنای اطلاعات ثبت شده برخی از پارامتر‌های اساسی پساب، طی دوره‌ای از بهره‌برداری تصفیه‌خانه استفاده کرد. دراین مقاله، از شبکه عصبی چندلایه پیش‌خور با یک لایه پنهان و روش توقف آموزش، جهت بررسی مشخصات پساب خروجی واحد‌های تصفیه‌خانه استفاده شده است. داده‌های این تحقیق مربوط به تصفیه‌خانه فجر واقع در بندر ماهشهر بوده که از مشخصات آن استفاده گردیده است. همچنین از روش تحلیل عاملی جهت اصلاح و ارتقای عملکرد مدل‌های ترکیبی ایجاد شده به‌وسیله شبکه عصبی و تکنیک تحلیل مولفه های اصلی، استفاده شده است. این تحلیل به عنوان یکی از روش‌های آماری برای تجزیه اطلاعات موجود در مجموعه داده‌ها و تعیین تاثیرگذارترین متغیرها در هنگامی که تعداد متغیرهای مورد بررسی زیاد و روابط بین آنها ناشناخته باشد، استفاده می‌شود. به منظور ارزیابی عملکرد مدل‌ها از شاخص‌های مجذور میانگین مربع خطاها (rmse)، میانگین مطلق خطا (mae)، و ضریب همبستگی پیرسون (r) استفاده شده است. مقادیر r بدست آمده از مدل‌ها که در بازه 0/8 تا 0/94 قرار دارند، نشان‌دهنده دقت مناسب آن در برآورد مشخصات کیفی فاضلاب است.