پيش‌بيني و بهينه‌سازي شاخص‌هاي حذف هورمون‌هاي استروئيدي از فاضلاب شهري به روش اولتراسوند با استفاده از شبكه عصبي مصنوعي و الگوريتم ژنتيك: يك رويكرد مروري

Prediction and Optimization of Ultrasound-Assisted Removal of Estrogen Hormones from Municipal Wastewater Using Artificial Neural Network and Genetic Algorithm: A Review Approach

مقدمه: استروژن‌ها از ريزآلاينده‌هاي فاضلاب به شمار مي‌روند كه اثرات مخربي بر موجودات زنده آب مي‌گذارند. گزارش‌هاي زيادي اثرات نامطلوب مانند زنانه شدن ماهي‌ها، هورمون‌هاي استروژن در محيط را مستند مي‌كند. يكي از منابع عمده اين تركيبات، پساب‌هاي فاضلاب‌ شهري است. فرايندهاي بيولوژيكي در تصفيه‌خانه‌هاي فاضلاب شهري نمي‌تواند اين تركيبات را به طور كامل حذف كند. بنابراين، روشي براي تصفيه هورمون‌ها مورد نياز است. روش اولتراسونيك فرايند مؤثري براي حذف ريزآلاينده‌ها مي‌باشد. هدف از انجام پژوهش حاضر، مدل‌سازي و بهينه‌سازي حذف دو هورمون [استرون (E1) و 17 بتااستراديول (E2)] از فاضلاب به روش اولتراسوند با استفاده از شبكه عصبي مصنوعي (Artificial neural network يا ANN) با رويكرد الگوريتم ژنتيك (Genetic algorithms يا GA) بود. روش‌ها: بررسي متون از سال 2000 تا 2021 انجام شد و نتايج مطالعات مرتبط، براي مدل‌سازي مورد استفاده قرار گرفت. يك مدل شبكه‌اي دو لايه Feed-Forward Back-Propagation Neural Network (FFBPNN) طراحي شد. الگوريتم‌هاي آموزشي مختلف مورد ارزيابي قرار گرفت و الگوريتم Levenberg Marquardt (LM) به عنوان بهترين الگوريتم انتخاب گرديد. يافته‌ها: وجود 12 نورون در لايه پنهان، منجر به بالاترين R (ضريب همبستگي) و كمترين خطاي ميانگين مربعات (Mean squared error يا MSE) و خطاي مطلق ميانگين (Mean absolute error يا MAE) شد. نتايج GA شرايط بهينه عملكرد را تعيين كرد. بدين ترتيب، افزايش pH و Power density، راندمان حذف هورمون‌ها از فاضلاب را افزايش مي‌دهد. نتيجه‌كيري: در نهايت، تجزيه و تحليل حساسيت با استفاده از ANN-GA و همبستگي Spearman انجام شد و نتايج كاملاً سازگار بود.

Background: Estrogens are one of the micropollutants in the wastewater which have detrimental effects on water living organisms. There are many reports documenting the adverse effects of estrogen hormones, such as feminization of fish, in the environment. One of the major sources of these compounds is municipal wastewater effluents. The biological processes at municipal wastewater treatment plants cannot completely remove these compounds. Therefore, a method for the treatment of hormones is needed. The ultrasonic method is an effective process for elimination of micropollutants. This study aimed to model and optimize the removal of two hormones [estrone (E1) and 17 beta-estradiol (E2)] from the wastewater by ultrasound method using artificial neural network (ANN) with genetic algorithm (GA) approach. Methods: A literature review was performed from years 2000 to 2021 and the results of related studies were applied for modeling. A two-layer Feed-Forward Back-Propagation Neural Network (FFBPNN) model was designed. Various training algorithms were evaluated and the Levenberg Marquardt (LM) algorithm was selected as the best one. Findings: Existence of 12 neurons in the hidden layer led to the highest correlation coefficient (r) and the lowest mean squared error (MSE (and mean absolute error (MAE). The results of the GA determined the optimum performance conditions. Therefore, increasing in pH and power density increased the efficiency of removing hormones from the wastewater. Conclusion: Finally, a sensitivity analysis was performed using ANN-GA and Spearman correlation, and the results were completely compatible.