حامد حسنلو - پژوهشگر گروه آب و محیط زیست، پژوهشکده آماد- فناوریهای دفاعی و پدافند غیرعامل، دانشگاه عالی دفاع ملی
فرشاد گلبابایی کوتنائی - پژوهشگر پسادکتری مهندسی محیط زیست، دانشکده محیط زیست، دانشگاه تهران،

به منظور کنترل بهتر و کارآمد عملکرد تصفیهخانه های فاضلاب صنعتی، می توان از یک ابزار ریاضی، برمبنای اطلاعات ثبت شده برخی از پارامترهای اساسی پساب، طی دورهای از بهره برداری تصفیه خانه استفاده کرد. دراین مقاله، از شبکه عصبی چندلایه پیشخور با یک لایه پنهان و روش توقف آموزش، جهت بررسی مشخصات پساب خروجی واحدهای تصفیه خانه استفاده شده است. داده های این تحقیق مربوط به تصفیه خانه فجر واقع در بندر ماهشهر بوده که از مشخصات آن استفاده گردیده است. همچنین از روش تحلیل عاملی جهت اصلاح و ارتقای عملکرد مدلهای ترکیبی ایجاد شده به وسیله شبکه عصبی و تکنیک تحلیل مولفه های اصلی، استفاده شده است. این تحلیل به عنوان یکی از روشهای آماری برای تجزیه اطلاعات موجود در مجموعه داده ها و تعیین تاثیرگذارترین متغیرها در هنگامی که تعداد متغیرهای مورد بررسی زیاد و روابط بین آنها ناشناخته باشد، استفاده می شود. به منظور ارزیابی عملکرد مدل ها از شاخص های مجذور میانگین مربع خطاها (RMSE)، میانگین مطلق خطا (MAE)، و ضریب همبستگی پیرسون (R) استفاده شده است. مقادیر R بدست آمده از مدلها که در بازه ۰/۸ تا ۰/۹۴ قرار دارند، نشاندهنده دقت مناسب آن در برآورد مشخصات کیفی فاضلاب است.

تصفیه خانه فاضلاب صنعتی، شبکه عصبی مصنوعی، تحلیل مولفه اصلی، تحلیل عاملی.