مشکل در راهبری صحیح تصفیه خانه های فاضلاب یکی از چالش های اصلی در صنعت آب و فاضلاب کشور به شمار می رود. در بسیاری از موارد، این معضل ناشی از عدم توانایی در پیش بینی چگونگی تأثیر تغییرات کمی و کیفی فاضلاب ورودی و یا تغییرات شرایط آب و هوایی بر عملکرد تصفیه خانه می باشد. در تحقیق حاضر، به بررسی توانمندی مدل شبکه عصبی مصنوعی جهت پیش بینی عملکرد تصفیه خانه های نیمه مکانیکال (مطالعه موردی، تصفیه خانه فاضلاب شماره یک پرکندآباد) پرداخته شد. برای پیش بینی عملکرد تصفیه خانه مذکور، در ابتدا عوامل تأثیرگذار بر غلظت پارامتر COD به عنوان یکی از شاخص های کیفی پساب مشخص شدند. سپس بر اساس داده های کمی و کیفی فاضلاب ورودی، پساب خروجی، شرایط فرآیندی و آمار و اطلاعات هواشناسی به تعیین ویژگی های موثر بر غلظت پارامتر COD پساب پرداخته شد. بر اساس نتایج به دست آمده، مهم ترین عوامل مؤثر بر غلطت پارامتر COD پساب خروجی شامل، جریان ورودی، میزان اکسیژن محلول، درجه حرارت فاضلاب ورودی، درجه حرارت لاگون، درجه حرارت هوا، تعداد هواده های فعال، تعداد ساعات آفتابی، pH لاگون و میزان بار مواد آلی ورودی می شد. با استفاده از مدل شبکه عصبی با جستجوی کامل و ویژگی های مؤثر به عنوان ورودی های شبکه، عملکرد تصفیه خانه مورد پیش بینی قرار گرفت. مقدار بیشینه ضریب هم بستگی (R) برای پارامتر COD برابر با 0.86 و میزان درصد جذر میانگین مربعات خطای نسبی (rRMSE) و درصد میانگین مطلق خطای نسبی (rMAPE) متناظرش به ترتیب برابر با 15% و 13% برآورد شد. بنابراین با توجه به برازش بالا و خطای کم نتایج حاصل از اجرای برنامه، مدل شبکه عصبی به عنوان مدلی کارآمد و مناسب جهت پیش بینی عملکرد تصفیه خانه نیمه مکانیکال به حساب می آید.

کلمات کلیدی