مشخصات پژوهش

عنوان	بررسی عدم قطعیت مدل های هوش مصنوعی در تصفیه خانه فاضلاب شهر تبریز
نوع پژوهش	مقاله چاپ شده
کلیدواژه‌ها	Investigation of Uncertainty to Artificial Intelligence Models in Tabriz Wastewater Treatment Plant
چکیده	در این مقاله، عدم قطعیت مرتبط با مدلسازی مبتنی بر هوش مصنوعی تصفیه خانه با داده های روزانه به منظور بررسی و رصد کارآیی تصفیه خانه شهر تبریز از منظر فیزیکی، در راستای کنترل تغییرات مربوط به شاخص های BOD وCOD بخش لجن فعال، انجام یافت. داده ها بصورت روزانه و طی سال های (1394-1398) جمع آوری و با استفاده از معیار ضریب همبستگی (CC) پارامترها انتخاب گردیدند. TSS، TDS، VSS، PH از داده های ورودی به تصفیه خـانه و خروجیBOD و خروجیCOD با یک تأخیر زمانی یک روزه، به عنوان ورودی و خروجیBOD و خروجیCOD به عنوان خروجی مدل ها انتخاب شدند. محاسبات در دو مدل FFNN بصورت پیش بینی نقطه ای (PP) و روش برآورد حد بالا و پایین (LUBE) جهت ارائه فاصله پیش بینی (PI) با لحاظ عدم قطعیت ها صورت پذیرفت. روش LUBE، برخلاف روش های کلاسیک محاسبه PI، بدون نیاز به اطلاعات دربارة توزیع داده ها به برآورد PI می پردازد. در این روش FFNN با دو خروجی که نشان دهندة حد بالا و پایین پیش بینی است، آموزش داده شد. همگرایی روش LUBE بطور مؤثر توانائی کنترل عدم قطعیت بین پارامترهای بخش بیولوژیکی لجن فعال با استفاده از PI را دارد. زمان لازم برای ساخت PI، بطور قابل ملاحظه ای اندک می باشد. استفاده از روش LUBE منجر به ارائه یک بازه پیش-بینی شامل عدم قطعیت های محاسباتی و مشاهداتی شد. نتایج عددی نشان از موفقیت تقریبی 99% در محاسبات و پوشش عدم قطعیت های مدلسازی دارد. ارائه بازه نوسانی از عدم قطعیت ها، کمکی شایان برای بهبود شرایط اقتصادی و همینطور کاهش زمان کنترل لجن فعال و رصد بهتر تصفیه خانه می تواند باشد. با وجود معیار طراحی برای خروجیBOD ، به میزان 20 میلی گرم درهر لیتر، نتایج PI نشان دهنده تأمین 12% شاخص طراحی بوده ولی با توجه به تأمین 88% مابقی از لحاظ استاندارد کیفی برای کاربری پساب ها و آب های برگشتی طبق نشریه 535 معاونت نظارت راهبردی به میزان 31 میلی گرم درهر لیتر، نشان از عملکرد مناسب تصفیه خانه در بخش لجن فعال دارد.
پژوهشگران	رضا شهیدی زنوزی (نفر اول)، وحید نورانی (نفر دوم)، مهدی دینی (نفر سوم)