دانشجوی گروه MPH، دانشکده بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی، تهران،ایران
چکیده: (222 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 R2و 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.
Bagheri A, Sadani M, karimi M. Effluent quality prediction of one of the urban wastewater treatment plants using machine learning algorithms. JEHE 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
