کاربرد شبکة عصبی مصنوعی در ارزیابی تصفیه‌خانه فاضلاب اکباتان

در این مطالعه به منظور مدل‌سازی رفتار تصفیه‌‌خانة فاضلاب از شبکة عصبی مصنوعی استفاده شد. بدین منظور با مبنا قراردادن اندازه‌گیری‌های مشخصه‌های کیفی در ورودی تصفیه‌خانه، مقدار متناظر مشخصه‌های فوق در خروجی تصفیه‌خانه پیش‌بینی شد. داده‌های ورودی شبکة عصبی شامل مشخصه‌های دما (T)، اکسیژن مورد نیاز بیوشیمیایی (BOD)، اکسیژن مورد نیاز شیمیایی (COD)، کل جامدات معلق (TSS)، کل جامدات (TS) و pH فاضلاب بود. اجرای ساختارهای مختلف شبکة عصبی مصنوعی با تعداد نرون‌های مختلف در لایه میانی نشان داد آرایش 6-12-6 با مقادیر مجذور میانگین مربعات خطای نرمال 26/0 و ضریب همبستگی 82/0 به عنوان آرایش مطلوب قابل پیشنهاد است. ساختار فوق در پیش‌بینی 72 الی 97 درصد از تغییرات مشخصه‌های کیفی پساب براساس تغییرات متغیرهای مستقل موفق بوده است. از طرفی با محاسبه درصد بازده حذف آلاینده‌ها در خروجی تصفیه‌خانه، مشخص شد، حداکثر بهره‌وری حذف در تصفیه‌خانه مربوط به آلاینده TSS معادل 97 درصد و کمترین آن به میزان 32 درصد مربوط به TS بود. به همین ترتیب بازده حذف آلاینده‌های فوق از طریق مقادیر برآوردی با شبکة عصبی نیز برابر 97 و 30 درصد است که به واسطة نزدیکی با مقادیر مشاهداتی مبین کارایی خوب شبکة عصبی است. در مجموع با توجه به مقایسة نتایج حاصل از پیش‌بینی در این مطالعه با سایر مطالعات و با توجه به شاخص‌های آماری می‌توان از کارایی شبکه عصبی اطمینان حاصل کرد. همچنین تصفیه‌خانه در کاهش مقادیر کیفی در حد مقادیر استاندارد توصیه شده از سوی سازمان حفاظت محیط زیست، از کارایی بالایی برخوردار است.