به کارگیری روش های آماری برای افزایش دقت مدلسازی تصفیه خانه های فاضلاب صنعتی با استفاده از شبکه های عصبی مصنوعی

به منظور کنترل بهتر و کارآمد عملکرد تصفیه خانه های فاضلاب صنعتی، می توان از ابزاری ریاضی برمبنای اطلاعات ثبت شدة برخی از پارامترهای اساسی پساب، طی دوره ای از بهره برداری تصفیه خانه استفاده کرد. در این پژوهش، برای اولین بار در کشور از شبکة عصبی چندلایة پیش خور با یک لایة پنهان و روش توقف آموزش، به منظور بررسی مشخصات پساب خروجی واحدهای تصفیه خانه استفاده شده است. همچنین، از روش تحلیل عاملی برای اصلاح و ارتقای عملکرد مدل های ترکیبی ایجادشده از طریق شبکة عصبی و تکنیک تحلیل مؤلفه های اصلی استفاده شده است. این تحلیل یکی از روش های آماری است که برای تجزیة اطلاعات موجود در مجموعة داده ها و تعیین تأثیرگذارترین متغیرها در هنگام زیادبودن تعداد متغیرهای مورد بررسی و ناشناخته بودن روابط بین آن ها استفاده می شود. به منظور ارزیابی عملکرد مدل ها از شاخص های مجذور میانگین مربع خطاها (RMSE)، میانگین مطلق خطا (MAE) و ضریب همبستگی پیرسون (R) استفاده شده است. مقادیر R به دست آمده از مدل ها که در بازة 0/8 تا 0/94 قرار دارند، نشان دهندة دقت مناسب آن در برآورد مشخصات کیفی فاضلاب است.