چکیده:
با توجه به محدودبودن منابع آب شیرین در جهان، استفادۀ مجدد از پسابهای شهری تصفیهشده به خصوص در مناطق خشک و نیمهخشک مانند ایران ضرروی به نظر میرسد. از این رو تصفیۀ صحیح، مدیریت و کنترل فرایند تصفیه نیازمند بررسی دقیق پارامترهای مـؤثر در این فرایند است. لذا با توجه به عدم قطعیت در پارامترهای کیفی فرایند تصفیه و پیچیدگی ارتباط آنها، در این مطالعه از مدلهای هوش مصنوعی مانند فازی (FL) و شبکههای عصبی مصنوعی (ANN) برای مدلسازی رفتار تصفیهخانۀ فاضلاب تبریز استفاده شده است. بدین منظور با مبنا قراردادن مشخصههای کیفی اندازهگیریشده در ورودی تصفیهخانه، مقدار متناظر این مشخصهها در خروجی تصفیهخانه پیشبینی و از مدلهای فازی ممدانی و ساجنو و شبکههای عصبی مصنوعی استفاده شد. دادههای ورودی این مدلهای هوش مصنوعی شامل پارامترهای دما، اکسیژن مورد نیاز بیوشیمیایی (BOD)، اکسیژن مورد نیاز شیمیایی (COD)، کل جامدات معلق (TSS) و pH فاضلاب و دادههای خروجی شامل مشخصۀ BOD³، COD و TSS است. بر اساس نتایج، هر سه مدل شبکۀ عصبی مصنوعی، فازی ممدانی و ساجنو به ترتیب متوسط RMSE کمتر از 1/3 برای مراحل آموزش و آزمایش داشتند و نتایج قابل قبولی ارائه دادند. مدل فازی ساجنو با متوسط RMSE برابر 83/2 بهترین مدل شناخته شد. همچنین، با محاسبۀ درصد بازده حذف آلایندهها در خروجی تصفیهخانه مشخص شد حداکثر بهرهوری حذف در تصفیهخانه مربوط به آلایندۀ TSS بوده و معادل 93 درصد است. سایر آلایندهها نیز مقادیری بسیار نزدیک به TSS داشتند. به همین ترتیب بازده حذف این آلایندهها از طریق مقادیر برآوردی با مدلهای فازی و شبکۀ عصبی نیز به همین منوال است که به واسطة نزدیکی با مقادیر مشاهداتی مبین کارایی خوب مدلهای به کار برده شده است.