scientific magazine yafte
مجله علمی پژوهشی یافته
yafte
Medical Sciences
http://yafte.lums.ac.ir
72
journal72
1563-0773
2981-0779
10.18869/acadpub.yafte
en
jalali
1395
9
1
gregorian
2016
12
1
18
3
online
1
fulltext
fa
ارزیابی عملکرد تصفیه خانه فاضلاب خرمآباد توسط شبکه هوش مصنوعی
The performance evaluation of Khorramabad wastewater treatment plant by using artificial intelligence network
پژوهشي
Research
<table align="center" border="0" cellpadding="0" cellspacing="0" dir="rtl" height="572" width="596">
<tbody>
<tr>
<td style="width:594px;height:21px;">
<p dir="RTL"><strong>مقدمه:</strong> در دو دهه اخیر کاربرد مدل های هوش مصنوعی به منظور بهره برداری صحیح از تصفیه خانه و حفظ پایداری فرآیند های تصفیه در شرایط مطلوب، توسط محققین بسیار فراگیر شده است. این مدل ها به منظور شبیه سازی رفتار سیستم تصفیه خانه می توانند به عنوان یک ابزار مؤثر برای پیش بینی عملکرد تصفیه خانه به کار برده شوند. هدف از انجام این مطالعه ارزیابی عملکرد تصفیه خانه فاضلاب خرم‏آباد توسط شبکه هوش مصنوعی می ‏باشد.</p>
</td>
</tr>
<tr>
<td style="width:594px;height:21px;">
<p dir="RTL"><strong>مواد و روش ­ها:</strong> در این مطالعه با استفاده از مدل <span dir="LTR">ANN-LM</span> و مبنا قرار دادن مشخصه های کیفی اندازه گیری شده در ورودی تصفیه خانه (<span dir="LTR">T</span>، <span dir="LTR">pH</span>،<span dir="LTR">DO </span>، <span dir="LTR">BOD</span>، <span dir="LTR">COD</span>، <span dir="LTR">TSS</span>،<span dir="LTR">TDS </span>، <span dir="LTR">NO<sub>3</sub></span>، <span dir="LTR">PO<sub>4</sub></span>)، مقدار متناظر سه مشخصه<span dir="LTR">BOD </span>،<span dir="LTR">COD </span> و <span dir="LTR">TSS</span> در خروجی تصفیه خانه پیش بینی گردید. شاخص های آماری مورد استفاده شامل <span dir="LTR">R</span>، <span dir="LTR">MSE</span> و نرم افزار های مورد استفاده شامل <span dir="LTR">Matlab</span> و <span dir="LTR">spss</span> (آزمون آماری <span dir="LTR">T-test</span>) بودند.</p>
</td>
</tr>
<tr>
<td style="width:594px;height:21px;">
<p dir="RTL"><strong>یافته ­ها: </strong>براساس نتایج،<span dir="LTR">BOD </span>،<span dir="LTR">COD </span> و <span dir="LTR">TSS</span> به ترتیب با حداکثر <span dir="LTR">R</span>، 98/0، 91/0 و 92/0 برای داده های آموزش و 5/0، 66/0 و 5/0 برای داده های آزمایش و حداقل <span dir="LTR">MSE</span>، 5/3، 15/33 و17/2 برای داده های آموزش و 11، 115 و 99/20 برای داده های آزمایش پیش بینی شدند و نتایج قابل قبولی ارائه شد. همچنین، با محاسبه درصد بازده حذف آلاینده ها در خروجی تصفیه خانه مشخص شد حداکثر بهره وری حذف در تصفیه خانه مربوط به آلاینده <span dir="LTR">TSS</span> بوده و معادل 68/87 درصد است. سایر آلاینده ها نیز مقادیری نزدیک به <span dir="LTR">TSS</span> داشتند.</p>
</td>
</tr>
<tr>
<td style="width:594px;height:34px;">
<p dir="RTL"><strong>بحث و نتیجه­ گیری</strong><strong>: </strong>در این مطالعه<span dir="LTR"> ANN-LM </span>یک ابزار قابل اطمینان برای پیش بینی عملکرد سیستم تصفیه خانه فاضلاب خرمآباد ایجاد نمود و توانست بر مبنای پارامتر های اندازه گیری شده، کیفیت پساب خروجی را پیش بینی نماید. بازده حذف آلاینده ها از طریق مقادیر برآوردی با شبکه <span dir="LTR">ANN-LM</span> به گونه ای بوده که به واسطه نزدیکی با مقادیر مشاهداتی مبین کارایی خوب این مدل به کار برده شده است. همچنین تصفیه خانه در کاهش مقادیر کیفی در حد مقادیر استاندارد توصیه شده از سوی سازمان حفاظت محیط زیست، از کارایی خوبی برخوردار است.</p>
</td>
</tr>
</tbody>
</table>
<div style="clear:both;"></div>
<p><strong><em>Background: </em></strong>In the last two decades the using of artificial intelligence models for correct operation of the water treatment plant and maintain the stability of systems in favorable conditions, much researches has been done in this area. These models to simulate the behavior of water treatment systems can be used as an effective tool and to be used in the prediction of plant performance. The aim of this study was to evaluate of Khorramabad wastewater treatment plant performance (WWTP) using artificial intelligence network (AIN).</p>
<p><strong><em>Materials and Methods:</em></strong> In this study, by using the AIN-LM and underlying the quality parameters measured at the entrance of plant (T, PH, DO, BOD, COD, TSS, TDS, NO3, PO4), the corresponding three parameters BOD, COD and TSS in the output of wastewater treatment plant was predicted. Statistical indicators used in this study were R, MSE and the software Matlab and SPSS (test T-test), respectively.</p>
<p><strong><em>Results:</em></strong> Based on the results, BOD, COD and TSS, respectively, with a maximum R, 0/98, 0/91 and 0/92 for the train data and 0/5, 0/66 and 0/5 for the test data and minimum MSE, 3/5, 33/15 and 2/17 for the train data 11, 115 and 20/99 were predicted for the test data, and the results were acceptable. Also, by calculating the percent removal of pollutants in the output of plant was revealed that TSS had the maximum efficiency of pollutant removal in wastewater treatment plant and was equal to 87/68 %. Also, other amounts of pollutant were closed to TSS.</p>
<p><strong><em>Conclusion:</em></strong> In this study, AIN-LM created a reliable tool for predicting the performance of Khorramabad wastewater treatment plant and could predict the quality of effluent on the basis of measured parameters. So, remove of pollutants through the results were obtained by using the AIN-LM network, showed that, it was a good model, so the observed data indicates that confirm of the performance this model, as well. Also, the reduction of qualitative values as standard values recommended by the DOE indicates that the relatively good performance of the WWTP.</p>
تصفیه خانه فاضلاب خرمآباد, بازده حذف, شبکه هوش مصنوعی, الگوریتم LM.
Khorramabad wastewater treatment plant, Removal efficacy, Artificial intelligence network, LM Algorithm.
12
23
http://yafte.lums.ac.ir/browse.php?a_code=A-10-1693-38&slc_lang=fa&sid=1
Samneh
Khademikia
سمانه
خادمی کیا
khademikia_s@yahoo.com
7200319475328460014286
7200319475328460014286
Yes
lorestan University of Medical Sciences
دانشگاه علوم پزشکی لرستان
Ali
Haghizadeh
علی
حقی زاده
7200319475328460014287
7200319475328460014287
No
Lorestan University
دانشگاه لرستان،
Hatam
Godini
حاتم
گودینی
7200319475328460014288
7200319475328460014288
No
Alborz University of Medical Sciences, Karaj
دانشگاه علوم پزشکی البرز
GHodratolah
Shams Khorramabadi
قدرت الله
شمس خرم آبادی
7200319475328460014289
7200319475328460014289
No
lorestan University of Medical Sciences
دانشگاه علوم پزشکی لرستان