پیش بینی و بهینه سازی شاخص های حذف هورمون های استروئیدی از فاضلاب شهری به روش اولتراسوند با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک: یک رویکرد مروری

استروژن ها از ریزآلاینده های فاضلاب به شمار می روند که اثرات مخربی بر موجودات زنده آب می گذارند. گزارش های زیادی اثرات نامطلوب مانند زنانه شدن ماهی ها، هورمون های استروژن در محیط را مستند می کند. یکی از منابع عمده این ترکیبات، پساب های فاضلاب شهری است. فرایندهای بیولوژیکی در تصفیه خانه های فاضلاب شهری نمی تواند این ترکیبات را به طور کامل حذف کند. بنابراین، روشی برای تصفیه هورمون ها مورد نیاز است. روش اولتراسونیک فرایند موثری برای حذف ریزآلاینده ها می باشد. هدف از انجام پژوهش حاضر، مدل سازی و بهینه سازی حذف دو هورمون [استرون (E1) و 17 بتااسترادیول (E2)] از فاضلاب به روش اولتراسوند با استفاده از شبکه عصبی مصنوعی (Artificial neural network یا ANN) با رویکرد الگوریتم ژنتیک (Genetic algorithms یا GA) بود.

بررسی متون از سال 2000 تا 2021 انجام شد و نتایج مطالعات مرتبط، برای مدل سازی مورد استفاده قرار گرفت. یک مدل شبکه ای دو لایه Feed-Forward Back-Propagation Neural Network (FFBPNN) طراحی شد. الگوریتم های آموزشی مختلف مورد ارزیابی قرار گرفت و الگوریتم Levenberg Marquardt (LM) به عنوان بهترین الگوریتم انتخاب گردید.

وجود 12 نورون در لایه پنهان، منجر به بالاترین R (ضریب همبستگی) و کمترین خطای میانگین مربعات (Mean squared error یا MSE) و خطای مطلق میانگین (Mean absolute error یا MAE) شد. نتایج GA شرایط بهینه عملکرد را تعیین کرد. بدین ترتیب، افزایش pH و Power density، راندمان حذف هورمون ها از فاضلاب را افزایش می دهد.

 در نهایت، تجزیه و تحلیل حساسیت با استفاده از ANN-GA و همبستگی Spearman انجام شد و نتایج کاملا سازگار بود