مدلسازی فرآیند انعقاد و لخته سازی توسط روش های استنتاج عصبی- فازی تطبیقی، شبکه های عصبی مصنوعی و رگرسیون فازی

فرایند انعقاد و لخته سازی یکی از فرایندهای اصلی در تصفیه آب است. تاثیر پارامترهای مختلف بر این فرایند همواره یک بحث اساسی در راهبری تصفیه خانه های آب بوده و سال های مختلف از آزمایش جار برای این منظور استفاده شده است. در این مطالعه از سیستم استنتاج عصبی- فازی تطبیقی (ANFIS)، شبکه های عصبی مصنوعی (دو مدل پیشخور و پایه شعاعی) و تحلیل رگرسیون فازی جهت پیش بینی میزان نهایی کدورت پس از فرآیند انعقاد و لخته سازی در تصفیه خانه های آب 3 و 4 تهران استفاده شد. پارامترهای بکار رفته در مدلسازی کیفیت آب خروجی شامل نوع منعقدکننده (انواع پلی آلومینیوم کلراید (PAC))، غلظت منعقدکننده، کدورت ورودی و pH آب خام بوده است. نتایج نشان داد که شبکه های عصبی مصنوعی و تحلیل رگرسیون فازی نسبت به سیستم استنتاج عصبی- فازی تطبیقی توانایی بالاتری در پیش بینی راندمان حذف کدورت در شرایط مختلف آزمایشگاهی داشته و قابل جایگزینی با روش-های زمان بر و هزینه بر مانند آزمایش جار می باشند. بهترین شبکه ساخته شده جهت پیش بینی کدورت آب تصفیه شده در این مطالعه، شبکه پیشخور با دو لایه مخفی و تعداد 6 و 8 نرون و توابع انتقال Tansig و Purelin به ترتیب در لایه های اول و دوم، با استفاده از داده های نرمال شده و با اصلاح تابع کارایی بوده است. این شبکه موفق به پیش بینی فرایند انعقاد با ضریب همبستگی 96/0، شاخص تطابق 99/0 و مجذور میانگین مربعات خطای 0106/0 گردید. بهترین راندمان سیستم در شرایط بهره برداری با کدورت اولیه NTU 160، pH معادل 8، منعقد کننده PAC نوع I با دوز mg/L 19 و با راندمان 5/99 درصد تعیین شد.