تحلیل داده های فرایند تصفیه پساب با استفاده از تکنیک های داده کاوی

مدلسازی فرایند تصفیه فاضلاب در بهبود بازده تصفیه و در نتیجه بهبود کیفیت فاضلاب خروجی از فرایند اهمیت دارد. مدلها به اپراتور کمک می کنند که عملکرد واحد را پیش بینی نمایند و اقدامات لازم برای حفظ ثبات فرایند را انجام دهند. این پایان نامه به مدلسازی فرایند لجن فعال با استفاده از تکنیک های داده کاوی می پردازد. پیش بینی مقادیر دو متغیر اکسیژن مورد نیاز شیمیایی و اکسیژن مورد نیاز بیولوژیکی خروجی از فرایند لجن فعال با استفاده از دو تکنیک شبکه عصبی و ماشین بردار پشتیبان، نشان داد ماشین بردار پشتیبان می تواند مقادیر خروجی این متغیرها را با دقت بیشتری پیش بینی نماید. در مورد اکسیژن مورد نیاز بیولوژیکی مقدار میانگین مربعات خطا و ضریب همبستگی داده های آزمایش برای ماشین بردار پشتیبان به ترتیب برابر با 013/0 و 683/0 و برای شبکه عصبی این مقادیر به ترتیب 017/0 و 642/0 به دست آمد. در این پایان نامه همچنین به طبقه بندی کیفیت فاضلاب خروجی از فرایند توسط سه تکنیک شبکه عصبی، ماشین بردار پشتیبان و رگرسیون لجستیک پرداخته شد. نتایج نشان می دهد تکنیک شبکه عصبی با صحت کلی 91% موفق ترین تکنیک در طبقه بندی این داده ها می باشد.