فرشته رفعت متولی - گروه مهندسی عمران دانشگاه فردوسی مشهد
شهناز دانش - گروه مهندسی عمران دانشگاه فردوسی مشهد
حبیب رجبی مشهدی - گروه مهندسی عمران دانشگاه فردوسی مشهد

درتحقیق حاضر توانمندی دومدل شبکه عصبی مصنوعی و شبکه عصبی بهینه شده با الگوریتم ژنتیک جهتپیش بینی کیفیت پساب خروجی تصفیه خانه های نیمه مکانیکال مطالعه موردی تصفیه خانه فاضلاب شماره یک پرکندآباد مشهد با سیستم لاگون هوادهی بررسی و مقایسه شد بیشینه ضریب همبستگی مدل شبکه عصبی باجستجوی کامل برای پارامتر BOd برابر با 0/86 و میزان درصد جذرمیانگین مربعات خطای نسبی rRMSPE و درصد میانگین مطلق خطای نسبی rMAPEمتناظرش به ترتیب برابر با 14و12درصد براورد شد درمدل شبکه عصبی بهینه شده باالگوریتم ژنتیک بیشینه ضریب همبستگی برای پارامتر BOD برابر با 0/93 و rMAPE rRMSPE متناظرش به ترتیب برابر با 10 درصد و 7درصد به دست آمد نتایج حاصل ازاین تحقیق برکاربرد مناسب هردومدل جهت پیش بینی عملکرد تصفیه خانه های نیمه مکانیکال دلالت داشت اما مدل شبکه عصبی بهینه شده با الگوریتم ژنتیک به دلیل برازش بالاتر وخطای کمتر مدلی کارامدتر ومناسب تر می باشد

کیفیت پساب تصفیه خانه , شبکه عصبی مصنوعی , الگوریتم ژنتیک , لاگون هوادهی , پیش بینی