Bir Atıksu Arıtma Tesisi Performansının Modellenmesi İçin Yapay Sinir Ağlarının Uygulanması

Ece Ceren Yilmaz; Emrah Dogan

Makale detayları

Bir Atıksu Arıtma Tesisi Performansının Modellenmesi İçin Yapay Sinir Ağlarının Uygulanması

Yazarlar:

Ece Ceren Yilmaz | Emrah Dogan

Yayıncı:

Fevzullah TEMURTAŞ

Dergi:

Electronic Letters on Science and Engineering 2008 Vol.4 Issue 2, pp.1-9

Belge Tipi:

Makale

Yayın Tarihi:

7/2008

Belge Dili:

Türkçe

Document ID (Org No.):

2000407325

pISSN:

1305-8614

Özet:

 

Biological oxygen demand (BOD) has been shown to be an important variable in water quality
 management and planning. However, BOD is difficult to measure and needs longer time periods (5 day) to get
 results. Artificial Neural Networks (ANNs) are being used increasingly to predict and forecast water resources
 variables. The objective of this research was to develop artificial neural networks (ANNs) model to estimate daily
 biological oxygen demand (BOD) at the influent of wastewater biological treatment plant. The plantscale data set
 (364 daily records of the year 2005) were obtained from a local wastewater treatment plant. Various combinations of
 daily water quality data, namely chemical oxygen demand (COD), water discharge (Qw), suspended solid (SS), total
 nitrogen (N) and total phosphorus (P) are used as inputs into the ANN so as to evaluate the degree of effect of each
 of these variables on daily influent BOD. The results of the ANN model is compared with multiple linear regression
 model (MLR). Mean square error, average absolute relative error and coefficient of determination statistics are used
 as comparison criteria for the evaluation of the model performances. Based on the comparisons, it was found that the
 ANN model could be employed successfully in estimating the daily influent BOD of wastewater biological
 treatment plant and also ANN model is superior to MLR technique.

 

Biyolojik oksijen ihtiyacı (BOİ), su kalitesinin yönetimi ve planlamasında en önemli parametrelerden biri
 olarak gösterilmektedir. Fakat son derece önemli olan bu parametrenin ölçümü zordur ve ölçüm sonuçlarının elde
 edilmesi 5 gün gibi uzun bir sure almaktadır. Ölçümlerin zorluğu ve zaman alması ölçümlerin maliyetini de
 arttırmaktadır. Bu tür zorlukların üstesinden gelmek için bilim adamları bazı metotlar geliştirme yoluna gitmişlerdir.
 Bu metotlardan birisi de son zamanlarda literatürde sıkça kullanılan yapay zeka modelleridir. Bu çalışmada bir
 atıksu arıtma tesisinin girişindeki BOİ yapay zeka metotlarından olan yapay sinir ağları (YSA) ile tahmin edilmeye
 çalışılmıştır. YSA modelinin kurulmasında atıksu arıtma tesisinin girişindeki günlük kimyasal oksijen ihtiyacı
 (KOİ), günlük su debisi (Qw), günlük askıda katı madde (AKM), günlük toplam azot (N) ve günlük toplam fosfor
 (P) parametreleri girdi olarak kullanılırken günlük BOİ parametresi ise çıktı olarak kullanılmıştır. Ayrıca, en iyi
 sonucu veren modelin araştırılmasında çeşitli girdi kombinasyonları kullanılarak BOİ tahminleri yapılmıştır. YSA
 modellerinin çıktılarının performansları, determinasyon katsayısı (R2), ortalama mutlak hata (OMH) ve ortalama
 karesel hata (OKH) gibi hata performans fonksiyonları kullanılarak değerlendirilmiştir. Ayrıca YSA sonuçları çoklu
 regresyon analizi (ÇRA) sonuçları ile de karşılaştırılmıştır. Performans sonuçlarına bakıldığında YSA modelinin
 BOİ tahmininde ÇRA’ dan çok daha etkili bir model olduğu ve gerçeğe çok yakın sonuçlar verdiği görülmüştür.

Makale detayları

Bir Atıksu Arıtma Tesisi Performansının Modellenmesi İçin Yapay Sinir Ağlarının Uygulanması

Yazarlar: Ece Ceren Yilmaz | Emrah Dogan

Yayıncı: Fevzullah TEMURTAŞ

Dergi: Electronic Letters on Science and Engineering 2008 Vol.4 Issue 2, pp.1-9

Belge Tipi: Makale

Yayın Tarihi: 7/2008

Belge Dili: Türkçe

Document ID (Org No.): 2000407325

pISSN: 1305-8614

Sayı

Yazarlar:

Ece Ceren Yilmaz | Emrah Dogan

Yayıncı:

Fevzullah TEMURTAŞ

Dergi:

Electronic Letters on Science and Engineering 2008 Vol.4 Issue 2, pp.1-9

Belge Tipi:

Makale

Yayın Tarihi:

7/2008

Belge Dili:

Türkçe

Document ID (Org No.):

2000407325

pISSN:

1305-8614