افزايش دقت مدل‌سازي عصبي تصفيه‌خانه‌هاي فاضلاب صنعتي با استفاده از روش‌هاي آماري

به منظور كنترل بهتر و كارآمد عملكرد تصفيه‌خانه‌هاي فاضلاب صنعتي، مي‌توان از يك ابزار رياضي، برمبناي اطلاعات ثبت شده برخي از پارامتر‌هاي اساسي پساب، طي دوره‌اي از بهره‌برداري تصفيه‌خانه استفاده كرد. دراين مقاله، از شبكه عصبي چندلايه پيش‌خور با يك لايه پنهان و روش توقف آموزش، جهت بررسي مشخصات پساب خروجي واحد‌هاي تصفيه‌خانه استفاده شده است. داده‌هاي اين تحقيق مربوط به تصفيه‌خانه فجر واقع در بندر ماهشهر بوده كه از مشخصات آن استفاده گرديده است. همچنين از روش تحليل عاملي جهت اصلاح و ارتقاي عملكرد مدل‌هاي تركيبي ايجاد شده به‌وسيله شبكه عصبي و تكنيك تحليل مولفه هاي اصلي، استفاده شده است. اين تحليل به عنوان يكي از روش‌هاي آماري براي تجزيه اطلاعات موجود در مجموعه داده‌ها و تعيين تأثيرگذارترين متغيرها در هنگامي كه تعداد متغيرهاي مورد بررسي زياد و روابط بين آنها ناشناخته باشد، استفاده مي‌شود. به منظور ارزيابي عملكرد مدل‌ها از شاخص‌هاي مجذور ميانگين مربع خطاها (RMSE)، ميانگين مطلق خطا (MAE)، و ضريب همبستگي پيرسون (R) استفاده شده است. مقادير R بدست آمده از مدل‌ها كه در بازه 0/8 تا 0/94 قرار دارند، نشان‌دهنده دقت مناسب آن در برآورد مشخصات كيفي فاضلاب است.