محمد واقفی

افزایش نگرانی در مورد مسائل زیست محیطی متخصصین را تشویق کرده که توجه خود را روی عملکرد و کنترل درست تصفیه خانه های فاضلاب متمرکز کنند. در مطالعه حاضر روش شبکه عصبی مصنوعی (ANN) برای مدلسازی کیفیت پساب خروجی تصفیه خانه فاضلاب شهر بوشهر مورد استفاده قرار گرفته است. انتخاب این روش به دلیل توانایی شبکه های عصبی در شبیه سازی روابط پیچیده و غیرخطی بین داده ها و همچنین دقت بالای آن در پیش بینی پارامترهای کیفی آب صورت گرفته است. شبکه عصبی قادر است حتی در شرایطی که داده های ورودی دارای تغییرات پیچیده و غیرقابل پیش بینی هستند، عملکرد مطلوبی از خود نشان دهد. همچنین ANN به دلیل قدرت یادگیری از داده ها و تطبیق با شرایط مختلف، ابزاری مناسب برای شبیه سازی و پیش بینی پارامترهای کیفیت فاضلاب مانند EC، TDS، COD، TSS و BOD است. مراحل انجام این پژوهش شامل جمع آوری داده های ورودی از تصفیه خانه فاضلاب شهر بوشهر می باشد که شامل پارامترهای EC، TDS، COD، TSS و BOD است. سپس، داده های ورودی به شبکه عصبی مصنوعی برای آموزش و تست مدل اعمال شدند. این داده ها شامل مقادیر اندازه گیری شده از پساب در مراحل مختلف تصفیه فاضلاب هستند. مدل شبکه عصبی برای هر یک از پارامترهای کیفیت فاضلاب آموزش داده شد و پس از آن، عملکرد آن در دوره های مختلف آزمایش و ارزیابی گردید. نتایج مدل سازی نشان داد که شبکه عصبی مصنوعی در پیش بینی و مدلسازی این پارامترها عملکرد مطلوبی داشته است خروجی های حاصل از شبکه عصبی مصنوعی نشان داد این الگوریتم در مدلسازی پارامترهای کیفیت دارای عملکرد مطلوبی می باشد. به ویژه، در مراحل اول و دوم تصفیه، دقت بالای مدل در پیش بینی کیفیت پساب مشاهده شد. مدل سازی پارامترهای EC، TDS، COD، TSS و BOD با استفاده از شبکه های عصبی مصنوعی نتایج متفاوتی در مراحل مختلف تصفیه فاضلاب داشت. نتایج مدل سازی پارامترهای مختلف نشان داد که دقت مدل برای پارامتر EC در مرحله اول به بیشترین مقدار خود رسیده است، به طوری که ضریب تعیین در دوره آموزش 81/0 و در دوره آزمون 84/0 بوده است. برای پارامتر TDS، بهترین دقت در مرحله سوم دوره آموزش با مقدار ضریب تعیین برابر با 81/0 حاصل شد. در مدل سازی پارامتر COD، دقت شبکه در فرآیند تست در مرحله اول بسیار مطلوب و برابر با ضریب تعیین 86/0 و در فرآیند آزمون نیز در همین مرحله به مقدار ضری