خلاصه تعیین غلظت جامدات معلق کل (TSS)، به عنوان یکی از مهمترین پارامترهای کیفی پساب خروجی تصفیه خانه های فاضلاب، نقش مهمی در ارزیابی عملکرد آنها ایفا می کند. یکی از روش های نوین مورد استفاده در مدلسازی و تخمین TSS، شبکه های عصبی مصنوعی می باشد. مقالۀ حاضر یک رویکرد جدید بر پایۀ یک مدل شبکۀ عصبی مصنوعی که به منظور تخمین غلظت جامدات معلق کل (TSS) پساب خروجی تصفیه خانۀ فاضلاب صنعتی طراحی شده است را ارائه می دهد. برای این منظور از شبکۀ عصبی پرسپترون چندلایه که از پر کاربردترین شبکه های عصبی مصنوعی در مسائل زیست محیطی می باشد، استفاده گردیده است. در مجموع نتایج تعداد 350 آزمایش برای آموزش و سپس صحت سنجی مدل مورد استفاده قرار گرفته است. در نهایت بهترین آرایش شبکه با الگوریتم آموزش لونبرگ- مارکوارد بر اساس حداکثر مقدار R و حداقل RMSE، MAE و MAPE بدست آمد. یافته های پژوهش نشان داد که مدل شبکۀ عصبی ارائه شده، از توانایی قابل قبولی در تخمین غلظت TSS تصفیه خانه های فاضلاب صنعتی برخوردار است.

کلمات کلیدی