بررسی کارآیی روش های هوش مصنوعی در پیش بینی عملکرد تصفیه خانه فاضلاب (مطالعه موردی: تصفیه خانه فاضلاب شهر تبریز)

افزایش نگرانی در مورد مسایل زیست محیطی متخصصین را تشویق کرده است که توجه خود را روی عملکرد و کنترل درست تصفیه خانه های فاضلاب (WWTPS) متمرکز کنند. در مطالعه حاضر دو روش شبکه عصبی مصنوعی و ماشین بردار پشتیبان برای مدل سازی کیفیت پساب خروجی تصفیه خانه فاضلاب شهر تبریز مورد استفاده قرار گرفته است. داده های ورودی شامل پارامتر های BODinf، CODinf، TSSinf و PHinf فاضلاب در ورودی تصفیه خانه تبریز است که برای پیش بینی مقادیر متناظر مشخصه های BODeff، CODeff و TSSeff در پساب خروجی تصفیه خانه به کار برده شده است. داده ها بصورت میانگین روزانه، هفتگی و ماهانه مورد بررسی قرار گرفته است. بر طبق نتایج، هر دو روش ذکر شده، دارای عملکرد بهتری در مدل سازی پارامترهای کیفیت پساب خروجی تصفیه خانه تبریز به صورت ماهانه می باشد. مقادیر عددی معیارهای ارزیابی، R2، RMSE و DC مربوط به داده های تست ماهانه برای مدل برتر روش شبکه عصبی به ترتیب برای BODeff 87/0، 86/2 و 76/0، برای CODeff 859/0، 51/4 و 715/0، و برای TSSeff 8/0، 2 و 63/0 بدست آمد و مقادیر عددی معیارهای ارزیابی، R2، RMSE و DC مربوط به داده های تست ماهانه برای مدل برتر روش ماشین بردار پشتیبان به ترتیب برای BODeff 88/0، 8/2 و 77/0، برای CODeff 86/0، 38/4 و 73/0، و برای TSSeff 79/0، 03/2 و 62/0 بدست آمد.