بررسی کارایی تصفیه‌خانه فاضلاب تبریز با استفاده از مدل‌های هوش مصنوعی

با توجه به محدودبودن منابع آب شیرین در جهان، استفاده مجدد از پساب‌های شهری تصفیه‌‌شده به خصوص در مناطق خشک و نیمه‌‌خشک مانند ایران ضرروی به نظر می‌‌‌رسد. از این رو تصفیه صحیح، مدیریت و کنترل فرایند تصفیه نیازمند بررسی دقیق پارامترهای مـوثر در این فرایند است. لذا با توجه به عدم قطعیت در پارامترهای کیفی فرایند تصفیه و پیچیدگی ارتباط آن‌ها، در این مطالعه از مدل‌‌های هوش مصنوعی مانند فازی (fl) و شبکه‌‌های عصبی مصنوعی (ann) برای مدل‌‌سازی رفتار تصفیه‌‌خانه فاضلاب تبریز استفاده شده است. بدین منظور با مبنا قراردادن مشخصه‌‌های کیفی اندازه‌گیری‌‌شده در ورودی تصفیه‌‌خانه، مقدار متناظر این مشخصه‌‌ها در خروجی تصفیه‌‌خانه پیش‌‌بینی و از مدل‌های فازی ممدانی و ساجنو و شبکه‌‌های عصبی مصنوعی استفاده شد. داده‌‌‌های ورودی این مدل‌های هوش مصنوعی شامل پارامترهای دما، اکسیژن مورد نیاز بیوشیمیایی (bod)، اکسیژن مورد نیاز شیمیایی (cod)، کل جامدات معلق (tss) و ph فاضلاب و داده‌‌های خروجی شامل مشخصه bod³، cod و tss است. بر اساس نتایج، هر سه مدل شبکه عصبی مصنوعی، فازی ممدانی و ساجنو به ترتیب متوسط rmse کمتر از 1/3 برای مراحل آموزش و آزمایش داشتند و نتایج قابل قبولی ارایه دادند. مدل فازی ساجنو با متوسط rmse برابر 83/2 بهترین مدل شناخته شد. همچنین، با محاسبه درصد بازده حذف آلاینده‌‌ها در خروجی تصفیه‌‌خانه مشخص شد حداکثر بهره‌‌وری حذف در تصفیه‌خانه مربوط به آلاینده tss بوده و معادل 93 درصد است. سایر آلاینده‌‌ها نیز مقادیری بسیار نزدیک به tss داشتند. به همین ترتیب بازده حذف این آلاینده‌‌ها از طریق مقادیر برآوردی با مدل‌‌های فازی و شبکه عصبی نیز به همین منوال است که به واسطه نزدیکی با مقادیر مشاهداتی مبین کارایی خوب مدل‌های به کار برده شده است.