Modeling of wastewater treatment plant in Hama city using regression and regression trees
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 86
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_EHEM-10-3_007
تاریخ نمایه سازی: 20 شهریور 1402
چکیده مقاله:
Background: Modeling of wastewater treatment plants is necessary to predict their later works. In this research, three methods were compared to predict some parameters at the outlet of wastewater treatment plant in Hama city in Syria.
Methods: In this paper, three methods (linear regression, power regression, and regression trees) to model wastewater treatment plant in Hama city were compared to predict the parameters at the outlet of the plant (cBOD۵out, CODout, TSSout) in terms of the parameters at the inlet of the plant (Qin, cBOD۵in, CODin, TSSin).
Results: When predicting cBOD۵out, the values of RMSE of the test data set were ۴.۴۱۰۵, ۴.۳۸۷۵, and ۳.۸۴۱۸; when predicting CODout, the values of RMSE of the test data set were ۶.۹۳۲۵, ۶.۸۰۰۳, and ۵.۳۲۳۲; and when predicting TSSout, the values of root mean squared error (RMSE) of the test data set were ۳.۷۷۸۱, ۳.۶۹۳۶, and ۳.۲۳۹۱ using linear regression, power regression, and regression trees (RTs), respectively.
Conclusion: According to the results, the RTs outperforms in predicting cBOD۵out, CODout, and TSSout because this method achieved the least RMSE of the test data set.
کلیدواژه ها:
نویسندگان
Heba Bodaka
Corresponding author: Department of Environmental Engineering Technologies, Aleppo University, Aleppo, Syria
Nahed Farhoud
Department of Environmental Engineering Technologies, Aleppo University, Aleppo, Syria
Eyad Hlali
Department of Computer Engineering, Aleppo University, Aleppo, Syria
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :