حمید سرخیل - گروه زمین شناسی کاربردی، دانشکده علوم زمین، دانشگاه خوارزمی، کرج
علی احسانی افراکتی - دانشکده محیط زیست، سازمان حفاظت محیط زیست، کرج
محمد طلائیان عراقی - دانشکده محیط زیست، سازمان حفاظت محیط زیست، کرج

با توجه به توسعه شهرنشینی و محدودیت منابع آب شیرین، اهمیت تصفیه فاضلاب و رفع آلودگی محیط زیست موردتوجه است. جریان فاضلاب ورودی می تواند به طور قابل توجهی طی پدیده ­های جوی یا رخدادهای تقویمی افزایش یابد که در نتیجه، ایجاد شوک هیدرولیکی و به تبع آن باعث از بین رفتن پروسه های بیولوژیکی تصفیه خانه ها شود. به طوری که این شوک های هیدرولیکی با کاهش زمان، ماند هیدرولیکی و زمان تصفیه کمتر میکروارگانیسم ­ها همراه است، پس مواد آلی سریع تر از سیستم خارج شده و راندمان تثبیت و حذف آلاینده ها به شدت کاهش می ­یابد. در این تحقیق از داده های روزانه تصفیه خانه زرگنده، از سال ۱۳۹۳ تا سال ۱۳۹۷ استفاده شد، داده های چهار سال اول برای آموزش و ارزیابی شبکه عصبی و داده­ های سال پنجم برای آزمایش شبکه عصبی استفاده گردید و همچنین با استفاده از عملگر موجک نرم­ افزار متلب (Matlab)، نویز موجود در داده­ های ورودی شناسایی و حذف شد. سپس خروجی آن به ­عنوان ورودی برای الگوریتم شبکه عصبی با سه لایه پنهان و ۴۳ نورون در کلیه لایه ها با توابع انتقال تانژانت سیگموئید و لگاریتم سیگموئید تعیین شد. مقادیر رگرسیون دارای حداقل ۹۶% و حداکثر ۹۹% انطباق است و این نشان از مدل سازی متناسب و بسیار کارآمد ترکیبی موجک و شبکه عصبی است. به طوری که با توجه به تعداد ۱۸۲۵ داده موجود و تفاوت مقداری آن ها، بالاترین میزان RMSE و MSE مربوط به دسته تست به ­ترتیب برابر مقادیر ۵۳/۵۳ و ۵۵/۲۸۶۵ است.

پیش بینی دبی, شوک هیدرولیکی, شبکه عصبی مصنوعی, موجک, تصفیه خانه فاضلاب شهری