پیش بینی انتقال رسوب در مجاری فاضلاب توسط روش های نوین عصبی

جریان داخل سیستم های جمع آوری فاضلاب یک جریان کاملا سه فازی ( هوا و آب و رسوبات ) است. مکانیزم انتقال رسوبات درون کانال های فاضلاب دارای نکات مهم و قابل ملاحظه ای است.  به بیان دیگر جریان عبوری توانایی شستن رسوبات ته نشین شده را داشته باشد و همچنین طراحی به صورت اقتصادی و بهینه صورت گیرد.  در این مطالعه با استفاده از یک مدل ترکیبی (ANFIS-PSO) از نحوه انتقال رسوبات درون کانال های فاضلاب رو پیش بینی می شود. به عبارت دیگر با استفاده از سیستم استنباط فازی - عصبی تطبیقی و بهینه سازی ازدحام ذرات یک الگوریتم ترکیبی برای پیش بینی عدد فرود جریان توسعه داده می شود. سیستم استنباط فازی - عصبی تطبیقی یک نوع شبکه عصبی مصنوعی محسوب می شود که بر اساس سیستم استنباط عصبی فازی تاکاگی - سوگنو تعریف شده اند. استنباط مجموعه ای از قوانین بازی اگر آنگاه است که قابلیت تقریب توابع غیر خطی را دارد در این مدل PSO برای افزایش کارایی ANFIS با تنظیم توابع عضویت و سپس به حداقل رساندن مقادیر خطا مورد استفاده قرار می گیرد. در واقع مدل PSO به عنوان یک روش محاسباتی تکاملی به منظور بهینه سازی ادامه کار و قطع توابع تصمیم ساز در نظر گرفته می شود. علاوه بر این PSO به عنوان یک روش جستجوی مبتنی بر جمعیت که در آن هر راه حل بالقوه نشان دهنده ازدحام یک ذره از جامعه در نظر گرفته شود. در این روش موقعیت ذره به طور دائمی در یک فضای جستجوی چند بعدی تا رسیدن به پاسخ مطلوب و یا با توجه به محدودیت های محاسباتی در نظر گرفته شده تغییر میکند. در ابتدا با استفاده از پارامترهای موثر بر روی عدد فرود ۱۲۷ مدل ANFIS-PSO مختلف معرفی می شود. سپس با تجزیه و تحلیل نتایج مدل های ANFIS-PSO مدل برتر معرفی می شود. برای مدل برتر مقادیر خطای جذر میانگین مربعات ،(RMSE) و درصد میانگین مطلق خطا (MAPE) و ضریب تبیین ( R۲ ) در حالت تست به ترتیب برابر  ۵/۹۲۹ , ۰/۳۲۴ , ۰/۹۷۵ محاسبه گردیده است.