ارزیابی سامانه استنتاج عصبی-فازی انطباقی و شبکه تابع پایه شعاعی در برآورد COD پساب خروجی تصفیه‌خانه فاضلاب شهر کرمان با ساختارهای ورودی هیدرولیکی و کیفی
کد مقاله : 1141-CONFIHA
نویسندگان
سعید اکبری فرد *
گروه مهندسی آب، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته،‌ کرمان، ایران.
چکیده مقاله
COD در مقایسه با BOD5 در زمان کوتاه‌تری اندازه‌گیری می‌شود، اما پایش پیوسته آن در بسیاری از تصفیه‌خانه‌ها پرهزینه است. در این پژوهش، سامانه استنتاج عصبی-فازی انطباقی (ANFIS) و شبکه عصبی تابع پایه شعاعی (RBF) برای شبیه‌سازی COD پساب تصفیه‌خانه فاضلاب کرمان با داده‌های روزانه هشت‌ساله (1396 تا 1403) به کار رفت. داده‌ها پس از نرمال‌سازی به نسبت 70 به 30 برای آموزش و آزمون تقسیم شد. سه ساختار ورودی بررسی شد: دبی خروجی، ترکیب دبی با pH و TSS خروجی، و پنج مشخصه ورودی تصفیه‌خانه. مدل‌ها با R، RMSE، MSE و NMSE ارزیابی شدند. روش RBF در هر سه ساختار و در همه شاخص‌ها دقیق‌تر از روش ANFIS بود و RMSE را 6.4 تا 16.6 درصد کاهش داد. بهترین مدل، روش RBF با ورودی‌های دبی، pH و TSS خروجی بود که به R برابر 0.835، RMSE برابر 41.41 میلی‌گرم در لیتر و NMSE برابر 0.306 رسید؛ این NMSE معادل ضریب کارایی نش–ساتکلیف 0.694 است. افزودن pH و TSS به دبی، RMSE مدل RBF را حدود 20 درصد کاهش داد، در حالی که ساختار مبتنی بر مشخصه‌های ورودی تصفیه‌خانه در هر دو روش ضعیف‌ترین نتایج را داد. مدل‌ها اوج‌های شدید COD را کم‌برآورد کردند.
کلیدواژه ها
COD پساب، سامانه استنتاج عصبی-فازی انطباقی، شبکه تابع پایه شعاعی، برآورد کیفیت پساب، تصفیه‌خانه فاضلاب کرمان
وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر