عنوان پایان‌نامه
شبیه سازی عملکرد تصفیه فاضلاب صنعتی با استفاده از روش ترکیبی شبکه عصبی مصنوعی و تکنیک تحلیل مولفه های اصلی
- رشته تحصیلی
- مهندسی محیط زیست -آب وفاضلاب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده محیط زیست شماره ثبت: ENV 1017;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 59704
- تاریخ دفاع
- ۰۱ بهمن ۱۳۹۱
- دانشجو
- حامد حسنلو
- چکیده
- چکیده: بهره برداری مناسب از تصفیه‌خانه‌های فاضلاب، با توجه به مسائل زیست محیطی از اهمیت ویژه‌ای برخوردار است که در صورت راهبری نامناسب می‌تواند باعث بروز مشکلات جدی شود. فرایند‌هایی که در سیستم‌های محیط زیستی وجود دارد و مهندسین محیط زیست با آن سروکار دارند، اغلب دو خصوصیت عمده دارند: 1- وابسته به متغیرهای زیادی هستند. 2- روابط پیچیده‌ای بین اجزا آن وجود دارد که تحلیل آن را بسیار مشکل می‌نماید. اطلاع از خصوصیات فاضلاب واحدهای مختلف تصفیهخانه شهرک‌های صنعتی، که از تنوع کمی و کیفی بالایی برخوردار بوده و عدم قطعیت بیشتری نسبت به فاضلاب شهری دارد، می‌تواند نقش موثری را در راهبری تصفیهخانه ایفا کند. به منظور کنترل بهتر و کارآمد عملکرد تصفیه خانه‌های فاضلاب صنعتی، می‌توان از یک ابزار ریاضی، بر مبنای اطلاعات ثبت شده برخی از پارامتر‌های اساسی پساب، طی دوره‌ای از بهره‌برداری تصفیهخانه استفاده کرد. دراین تحقیق، از شبکه عصبی چندلایه feed-forward با یک لایه پنهان و روش توقف آموزش، برای بررسی مشخصات پساب خروجی واحدهای تصفیهخانه استفاده شده است. داده‌های موجود در این تحقیق مربوط به تصفیه خانه فاضلاب صنعتی فجر واقع در بندر ماهشهر بوده که از مشخصات کمی و کیفی واحدهای آن استفاده گردیده است. همچنین از روش تحلیل عاملی جهت اصلاح و ارتقای عملکرد مدل‌های ترکیبی ایجاد شده بوسیله شبکه عصبی و تکنیک تحلیل مولفه‌های اصلی، استفاده شده است. از این تحلیل به عنوان یکی از روش‌های آماری برای تجزیه اطلاعات موجود در مجموعه داده‌ها و تعیین تأثیرگذارترین متغیرها در هنگامی که تعداد متغیرهای مورد بررسی زیاد و روابط بین آنها ناشناخته باشد، استفاده می‌شود. بمنظور ارزیابی عملکرد مدل‌ها از شاخص‌های MSE، RMSE و ضریب همبستگی R استفاده شده است. مقادیر R بدست آمده از مدل‌ها که در بازه 0.8 تا 0.94 قرار دارند، نشان دهنده دقت مناسب آن در برآورد مشخصات کیفی فاضلاب است. بنابراین استفاده از این مدل به بهره‌برداران اجازه خواهد داد تا عملکرد واحدهای تصفیهخانه را به تفکیک ارزیابی نموده و مورد بررسی قرار دهند.
- Abstract
- Abstract: With regard to environmental issues, proper operation of wastewater treatment plants is of particular importance that in the case of inappropriate utilization, they will cause serious problems. Processes that exist in environmental systems mostly have two major characteristics: they are dependent on many variables; and there are complex relationships between its components which make them very difficult to analyze. In order to achieve a better and efficient control over the operation of an industrial wastewater treatment plant (WWTP), powerful mathematical tool can be used that is based on recorded data from some basic parameters of wastewater during a period of treatment plant operation. For the first time in Iran, the multilayer perceptron feed forward artificial neural network (ANN) with a hidden layer and stop training method was used to predict quality parameters of the industrial effluent. Data of this study are related to the Fajr Wastewater Treatment Plant, located in Mahshahr – Iran that characteristics of its units were used for training, calibration and validation of the neural model. Principal Component Analysis (PCA) technique was applied to improve performance of generated models of neural networks. Also, factor analysis method were used to determine the effective parameters that improve the models accuracy and efficiency. Mean Square Error (MSE), Rout Mean Square Error (RMSE) and correlation coefficient (R) were used for performance evaluation of the models. Correlation coefficients (R) were between 0.8 to 0.94 that showed good accuracy of the models in estimating qualitative profile of wastewater. Keywords: Industrial Wastewater Treatment Plant, Artificial Neural Network, PCA, Factor Analysis.
