بررسي تأثير فراواني پارامترهاي ورودي بر دقت پيش بيني COD پساب تصفيه خانه -هاي فاضلاب صنعتي با استفاده از شبكه عصبي مصنوعي

اين مقاله يك رويكرد جديد بر پايه يك مدل شبكه عصبي مصنوعي كه به منظور پيش بيني كيفيت پساب يك تصفيه خانه فاضلاب صنعتي طراحي شده است را ارائه مي دهد. ساختار بهينه از يك مدل شبكه عصبي مصنوعي، به منظور ارزيابي عملكرد تصفيه خانه فاضلاب صنعتي، توسعه داده شده است. براي اين منظور از شبكه عصبي پرسپترون چندلايه كه از پر كاربردترين شبكه هاي عصبي مصنوعي در مسائل زيست محيطي مي باشد، استفاده گرديده است. ورودي هاي شبكه عصبي مصنوعي شامل هشت پارامتر كليدي تصفيه فاضلاب مي باشد كه در مجموع نتايج تعداد 350 آزمايش براي آموزش و سپس صحت سنجي مدل مورد استفاده قرار گرفته است. براي تعيين چگونگي و مقدار تأثير ورودي ها بر خروجي مدل، تحليل حساسيت روي آنها انجام شده است. نتايج برگرفته از روش تحليل حساسيت نشان دهنده ميزان تأثير هر كدام از پارامترها بر روي راندمان تصفيه مي باشد. طبق اين نتايج علاوه بر غلظت اكسيژن خواهي شيميايي فاضلاب ورودي (CODin)، دما و pH تأثير گذارترين عوامل بر روي عملكرد تصفيه خانه فاضلاب مورد تحقيق هستند.