پيش‌بيني كيفيت پساب يكي از تصفيه‌خانه هاي فاضلاب شهري شهر تهران با استفاده از الگوريتم هاي يادگيري ماشين

زمينه و هدف: براي كاهش هزينه‌هاي مديريت سيستم‌هاي تصفيه فاضلاب، مي‌توان از شبيه‌سازهاي رياضي و آماري استفاده نمود. اين پژوهش باهدف پيش‌بيني كيفيت پساب يكي از تصفيه‌خانه‌هاي فاضلاب شهري شهر تهران با استفاده از الگوريتم‌هاي يادگيري ماشين طي سال‌هاي 1396 تا 1400 انجام گرديد.مواد و روش ها: اين مطالعه يك پژوهش توصيفي - تحليلي است كه در آن اطلاعات سيستم‌هاي پايش ورودي و خروجي تصفيه‌خانه فاضلاب دريافت و پاك‌سازي داده‌ها انجام گرفت. در مرحله دوم تبديل داده‌ها به‌منظور آماده‌سازي ورود آن‌ها به الگوريتم‌هاي داده‌كاوي از طرق پالايش، پردازش و ايجاد متغير ساختگي (Dummy) انجام شد. سپس، الگوريتم شبكه عصبي مصنوعي (ANN) و مدل درختي M5 به‌منظور يافتن بهترين مدل جهت پيش‌بيني غلظت COD در خروجي تصفيه‌خانه مورد بررسي قرار گرفت؛ در اين راستا 70 درصد داده‌ها جهت يادگيري ماشين و 30 درصد به‌منظور اعتبارسنجي در نرم‌افزار پايتون مورداستفاده قرار گرفت. درنهايت با مدل رگرسيوني و مقايسه شاخص‌هاي R2  و RMSE به انتخاب بهترين مدل پرداخته شد.يافته ها: نتايج نشان داد كه ANN با ضريب تعيين 0.72عملكرد بهتري نسبت به مدل M5 با ضريب0.68در پيش‌بيني غلظت COD خروجي به‌عنوان شاخص كارايي تصفيه‌خانه دارد.همچنين بر اساس نتايج تحليل رگرسيون از بين متغيرهاي مستقل BOD5e و TSSe بيشترين همبستگي را با CODout داشتند.نتيجه گيري: در پژوهش حاضر، نتايج مدل ANN و M5 بر اساس شاخص‌هاي آماري در محدوده قابل‌قبولي قرار گرفتند و مي‌توان با موفقيت براي تخمين داده‌ها در تصفيه‌خانه‌هاي فاضلاب استفاده كرد.