پيش‌بيني ميزان COD پساب تصفيه‌خانه فاضلاب پالايشگاه با استفاده از هوش مصنوعي

زمينه و اهداف: تصفيه‌خانه‌هاي فاضلاب سيستم‌هايي هستند كه در صورت عملكرد صحيح مي‌توانند به سلامت صنعت و محيط زيست كمك كنند. براي كاهش هزينه‌هاي نظارت و مديريت سيستمهاي تصفيه فاضلاب، مي‌توان از شبيه‌سازهاي رياضي، آماري و انواع مدل‌ها استفاده نمود. مواد و روش‌ها: مطالعه توصيفي- تحليلي گذشته‌نگر مي‌باشد. با توجه به پيچيدگي فرآيندهاي بيولوژيكي و پيشرفت روش‌هاي پردازش داده‌گان، در اين پژوهش از الگوريتم‌هاي (ANN) و درخت مدل M5 با هدف مدل‌سازي تخمين CODout در تصفيه خانه فاضلاب بهداشتي يكي از پالايشگاه‌هاي كشور استفاده شده است. ANN و M5 از طريق مراحل يادگيري و آزمايش بر پايه داده‌هاي روزانه 5 سال (1395-1399) توسعه داده شد و جهت ارزيابي مدل‌ها از شاخص‌هاي مختلف آماري مانند MSE و  Rاستفاده گرديد. رعايت ملاحظات اخلاقي در تمام مراحل اجراي پژوهش در نظر گرفته شد. يافته‌ها: در مدل ANN در حالت 100 لايه پنهان، در گام آموزش، ميزان MSE و R نسبت به دو حالت 10 و 30 لايه پنهان به ترتيب كاهش و افزايش داشت كه به همين دليل 100 لايه براي انجام اين مدل انتخاب گشت. همچنين در مدل درخت M5 با انتخاب داده‌هاي مستقل به‌عنوان ورود 0/6147R-SqOptimal= محاسبه گشت كه در سطح 0/05 معني‌دار است. به‌عبارت‌ ديگر با 95درصد اطمينان، مدل منطقي براي پيش‌بيني  مي‌باشد. نتايج نشان داد كه مدل ANN با ضريب تعيين معادل 0/90، برايCOD  عملكرد بهتري نسبت به درخت مدل M5 با ضريب تعيين 0/61 دارد. نتيجه‌گيري: هر دو مدل، استحكام، قابليت اطمينان و قابليت تعميم بالايي را دارا مي‌باشند، از اين رو، تكنيك‌هاي داده‌كاوي ANN و درخت مدلM5  را مي‌توان با موفقيت براي تصميم‌گيري‌هاي زيست محيطي و تخمين داده‌هاي از دست رفته در تصفيه‌خانه‌هاي فاضلاب استفاده كرد.