پیش بینی تاثیرات شوک هیدرولیکی فاضلاب در رخدادهای غیرمترقبه با استفاده از ترکیب عملگر موجک و الگوریتم شبکه هوش مصنوعی

با توجه به توسعه شهرنشینی و محدودیت منابع آب شیرین، اهمیت تصفیه فاضلاب و رفع آلودگی محیط زیست موردتوجه است. جریان فاضلاب ورودی می تواند به طور قابل توجهی طی پدیده های جوی یا رخدادهای تقویمی افزایش یابد که در نتیجه، ایجاد شوک هیدرولیکی و به تبع آن باعث از بین رفتن پروسه های بیولوژیکی تصفیه خانه ها شود. به طوری که این شوک های هیدرولیکی با کاهش زمان، ماند هیدرولیکی و زمان تصفیه کمتر میکروارگانیسم ها همراه است، پس مواد آلی سریع تر از سیستم خارج شده و راندمان تثبیت و حذف آلاینده ها به شدت کاهش می یابد. در این تحقیق از داده های روزانه تصفیه خانه زرگنده، از سال 1393 تا سال 1397 استفاده شد، داده های چهار سال اول برای آموزش و ارزیابی شبکه عصبی و داده های سال پنجم برای آزمایش شبکه عصبی استفاده گردید و همچنین با استفاده از عملگر موجک نرم افزار متلب (Matlab)، نویز موجود در داده های ورودی شناسایی و حذف شد. سپس خروجی آن به عنوان ورودی برای الگوریتم شبکه عصبی با سه لایه پنهان و 43 نورون در کلیه لایه ها با توابع انتقال تانژانت سیگمویید و لگاریتم سیگمویید تعیین شد. مقادیر رگرسیون دارای حداقل 96% و حداکثر 99% انطباق است و این نشان از مدل سازی متناسب و بسیار کارآمد ترکیبی موجک و شبکه عصبی است. به طوری که با توجه به تعداد 1825 داده موجود و تفاوت مقداری آن ها، بالاترین میزان RMSE و MSE مربوط به دسته تست به ترتیب برابر مقادیر 53/53 و 55/2865 است.