عنوان پایان‌نامه
تدوین مدل هوشمند و الگوریتم شاخص کیفی فاضلاب تصفیه شده با رویکرد استفاده مجدد پساب
- رشته تحصیلی
- مهندسی محیط زیست -آب وفاضلاب
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه دانشکده محیط زیست شماره ثبت: ENV 1382;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 72085;کتابخانه دانشکده محیط زیست شماره ثبت: ENV 1382;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 72085
- تاریخ دفاع
- ۱۳ دی ۱۳۹۴
- دانشجو
- ملیحه فلاح نژادتفتی
- استاد راهنما
- علی ترابیان, ناصر مهردادی
- چکیده
- استفاده مجدد از پساب تصفیه‌خانه‌های فاضلاب شهری، با توجه به مسائل زیست محیطی و بحران آبی کشور از اهمیت ویژه‌ای برخوردار است که در صورت راهبری نامناسب می‌تواند باعث بروز مشکلات جدی شود. تدوین شاخص کیفی پساب تصفیه شده شهری امکان بررسی سریع و آسان جهت انتخاب بهترین گزینه استفاده مجدد و دفع پساب را فراهم می کند. به کار بردن معیارها و شاخص‌های کیفی منابع آب جهت بررسی کیفیت پساب با توجه به کاربری¬های پساب، چندان معقول نخواهد بود و باعث ایجاد آشفتگی در مدیریت کلان منابع آب کشورمان می‌گردد. لذا هدف از انجام این تحقیق طراحی، ایجاد و توسعه شاخص کیفی پساب تصفیه شده شهری باتوجه به گزینه های استفاده مجدد از پساب می باشد. تاکنون هیچ‌گونه تحقیقی در خصوص توسعهیک شاخص کیفی پساب در ایران صورت نگرفته است و تنها بعضا در برخی مقالات به بررسی شاخص کیفی پساب با استفاده از شاخص کانادا پرداخته شده است. در این تحقیق ابتدا متغیرهای کیفی مهم در کیفیت پساب با توجه به گزینه های استفاده مجدد از پساب و روش دلفی شناسایی شد. 8 متغیر BOD,COD,TDS,TSS,PH,NH4,PO4 و کلی فرم مدفوعی بعنوان مهمترین متغیرها از روش دلفی بدست آمدند. سپس میزان اهمیت این متغیرها با روشهای سلسله مراتبی و تاپسیس فازی بدست آمد و به صورت وزن متغیرها در نظر گرفته شد. سپس شاخص کیفی پساب تصفیه شده شهری با دو روش متمایز (استفاده از استاندارد و استفاده از اطلاعات پساب تصفیه شده تصفیه خانه جنوب تهران) بدست آمد و با استفاده از روشهای مدلسازی هوشمند و کد نویسی در نرم افزار متلب (شبکه عصبی و تئوری بیزین) صحت سنجی شد. آستانه شاخص کیفی در روش استفاده از داده، برای کشاورزی71،آب سطحی 56، آب زیر زمینی 53، صنعتی 48 و مصارف تفرجی(شهری، آبزی پروری) 26 بدست آمد همچنین در روش استفاده از استاندارد آستانه شاخص برای کشاورزی 100، آب سطحی 3/61، آب زیر زمینی 4/47، صنعتی 8/37، و تفرجی(شهری، آبزی پروری)6/29 بدست آمد. نتایج مدلسازی هوشمند شاخص کیفی پساب با استفاده از شبکه عصبی نشان داد که شبکه عصبی با R بسیار بالا(96/0) و خطای کم(1/0) قابلیت مدل کردن شاخص کیفی را دارد. همچنین الگوریتم آموزش LEVENBERG-MARQUAT و ساختار 3 لایه با تعداد نورون 1-7-8 با تابه فعالیت TANSIG بعنوان بهتربن ساختارانتخاب شد. نتایج مدلسازی شاخص کیفی(با استقاده از استاندارد) توسط شبکه بیزین پارامترهای عملکرد بهینه مناسبی(Rبرابر82/0 و خطای مطلق 07/0)را نشان داد. در نهایت جهت استفاده آسان کاربران و اپراتورها نرم افزاری در محیط اکسل و برنامه نویسی در متلب تهیه شد که با ورود میزان آلاینده ها گزینه های ممکن جهت استفاده مجدد از پساب را ارائه می دهد.
- Abstract
- Reuse of wastewater in municipal wastewater treatment plants, according to environmental issues and the country's water crisis has great imPOrtance since the improper operation can cause serious problems. Development of municipal effluent quality index allows quick and easy review of treated waste water to select the best option for wastewater reuse and disPOsal. Using water criteria and indicators to assess the quality of water is not reasonable cause confusion in the management of our water resources is huge. The aim of this study was to design, create and develop effluent quality indicators with regard to municipal wastewater effluent reuse options. So far, studies on the development of a waste water quality index has not been defined in Iran and only some articles investiged the effluent quality index in using Vanadaian water index. In this study, the most imPOrtant qualitative variables in waste water quality due to the reuse options and DelpHi method were detected. 8 Variable BOD, COD, TDS, TSS, PH, NH4, PO4 and fecal coliform as the most imPOrtant variables were obtained from the DelpHi method. The imPOrtance of these variables with hierarchical and fuzzy TOPSIS method were obtained. The qualitative indicators of municipal effluent by two different methods (using standard and using data of treated wastewater treatment plant south of Tehran) was achieved using intelligent modeling and coding in MATLAB (neural networks and Bayesian theory) validated. Threshold quality index in the use of data, for agriculture 71 surface water 56 groundwater 53, Industrial 48 and recreation (urban, aquaculture) 26 was obtained in the use of standard threshold index for agriculture 100, surface water 61.3, groundwater 47.4, 37.8, industrial, and recreational (urban, aquaculture) was 29.6. Water quality index using neural network intelligent simulation results show that the neural network with a very high R (0.96) and minimum error (0.1) LEVENBERG-MARQUAT training algorithm and structure of 3 layers neurons 8-7-1with TANSIG activity functions was the optimum architecure. The results of modeling quality index (with the use of standard)by Bayesian network are optimized by appropriate (R against the 0.82and absolute error 0.07). The user friendly software was developed in Excel instead of programming in MATLAB.therefore by using the quality variable in software the effluent quality index is obtained based on the reuse options. KEYWORDS: simulation, artificial neural networks, wastewater treatment plants, effluent quality index, intelligent model
