Bagheri A, Sadani M, karimi M. Effluent quality prediction of one of the urban wastewater treatment plants using machine learning algorithms. J Environ Health Eng 2024; 11 (4) :380-393
URL:
http://jehe.abzums.ac.ir/article-1-1059-fa.html
باقری امین، سعدانی محسن، کریمی محمدرضا. پیشبینی کیفیت پساب یکی از تصفیهخانه های فاضلاب شهری شهر تهران با استفاده از الگوریتم های یادگیری ماشین. مجله مهندسی بهداشت محیط. 1403; 11 (4) :380-393
URL: http://jehe.abzums.ac.ir/article-1-1059-fa.html
دانشجوی گروه MPH، دانشکده بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی، تهران،ایران
چکیده: (529 مشاهده)
زمینه و هدف: برای کاهش هزینههای مدیریت سیستمهای تصفیه فاضلاب، میتوان از شبیهسازهای ریاضی و آماری استفاده نمود. این پژوهش باهدف پیشبینی کیفیت پساب یکی از تصفیهخانههای فاضلاب شهری شهر تهران با استفاده از الگوریتمهای یادگیری ماشین طی سالهای 1396 تا 1400 انجام گردید.
مواد و روش ها: این مطالعه یک پژوهش توصیفی - تحلیلی است که در آن اطلاعات سیستمهای پایش ورودی و خروجی تصفیهخانه فاضلاب دریافت و پاکسازی دادهها انجام گرفت. در مرحله دوم تبدیل دادهها بهمنظور آمادهسازی ورود آنها به الگوریتمهای دادهکاوی از طرق پالایش، پردازش و ایجاد متغیر ساختگی (Dummy) انجام شد. سپس، الگوریتم شبکه عصبی مصنوعی (ANN) و مدل درختی M5 بهمنظور یافتن بهترین مدل جهت پیشبینی غلظت COD در خروجی تصفیهخانه مورد بررسی قرار گرفت؛ در این راستا 70 درصد دادهها جهت یادگیری ماشین و 30 درصد بهمنظور اعتبارسنجی در نرمافزار پایتون مورداستفاده قرار گرفت. درنهایت با مدل رگرسیونی و مقایسه شاخصهای R2 و RMSE به انتخاب بهترین مدل پرداخته شد.
یافته ها: نتایج نشان داد که ANN با ضریب تعیین 72/0عملکرد بهتری نسبت به مدل M5 با ضریب68/0در پیشبینی غلظت COD خروجی بهعنوان شاخص کارایی تصفیهخانه دارد.
همچنین بر اساس نتایج تحلیل رگرسیون از بین متغیرهای مستقل BOD5e و TSSe بیشترین همبستگی را با CODout داشتند.
نتیجه گیری: در پژوهش حاضر، نتایج مدل ANN و M5 بر اساس شاخصهای آماری در محدوده قابلقبولی قرار گرفتند و میتوان با موفقیت برای تخمین دادهها در تصفیهخانههای فاضلاب استفاده کرد.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
تخصصي دریافت: 1403/6/7 | پذیرش: 1403/7/8 | انتشار: 1403/8/23