Bir Atıksu Arıtma Tesisi Performansının Modellenmesi İçin Yapay Sinir Ağlarının Uygulanması

Year 2008, Volume: 4 Issue: 2, 1 - 9, 01.08.2008

Ece Ceren Yilmaz Emrah Dogan

Abstract

Biyolojik oksijen ihtiyacı (BOİ), su kalitesinin yönetimi ve planlamasında en önemli parametrelerden biri
olarak gösterilmektedir. Fakat son derece önemli olan bu parametrenin ölçümü zordur ve ölçüm sonuçlarının elde
edilmesi 5 gün gibi uzun bir sure almaktadır. Ölçümlerin zorluğu ve zaman alması ölçümlerin maliyetini de
arttırmaktadır. Bu tür zorlukların üstesinden gelmek için bilim adamları bazı metotlar geliştirme yoluna gitmişlerdir.
Bu metotlardan birisi de son zamanlarda literatürde sıkça kullanılan yapay zeka modelleridir. Bu çalışmada bir
atıksu arıtma tesisinin girişindeki BOİ yapay zeka metotlarından olan yapay sinir ağları (YSA) ile tahmin edilmeye
çalışılmıştır. YSA modelinin kurulmasında atıksu arıtma tesisinin girişindeki günlük kimyasal oksijen ihtiyacı
(KOİ), günlük su debisi (Qw), günlük askıda katı madde (AKM), günlük toplam azot (N) ve günlük toplam fosfor
(P) parametreleri girdi olarak kullanılırken günlük BOİ parametresi ise çıktı olarak kullanılmıştır. Ayrıca, en iyi
sonucu veren modelin araştırılmasında çeşitli girdi kombinasyonları kullanılarak BOİ tahminleri yapılmıştır. YSA
modellerinin çıktılarının performansları, determinasyon katsayısı (R2), ortalama mutlak hata (OMH) ve ortalama
karesel hata (OKH) gibi hata performans fonksiyonları kullanılarak değerlendirilmiştir. Ayrıca YSA sonuçları çoklu
regresyon analizi (ÇRA) sonuçları ile de karşılaştırılmıştır. Performans sonuçlarına bakıldığında YSA modelinin
BOİ tahmininde ÇRA’ dan çok daha etkili bir model olduğu ve gerçeğe çok yakın sonuçlar verdiği görülmüştür.

Keywords

Su kalitesi, atıksu arıtma tesisi, biyolojik oksijen ihtiyacı, yapay sinir ağları, çoklu regresyon analizi

Artificial Neural Networks Application for Modelling of Wastewater Treatment Plant Performance

Abstract

Biological oxygen demand (BOD) has been shown to be an important variable in water quality
management and planning. However, BOD is difficult to measure and needs longer time periods (5 day) to get
results. Artificial Neural Networks (ANNs) are being used increasingly to predict and forecast water resources
variables. The objective of this research was to develop artificial neural networks (ANNs) model to estimate daily
biological oxygen demand (BOD) at the influent of wastewater biological treatment plant. The plantscale data set
(364 daily records of the year 2005) were obtained from a local wastewater treatment plant. Various combinations of
daily water quality data, namely chemical oxygen demand (COD), water discharge (Qw), suspended solid (SS), total
nitrogen (N) and total phosphorus (P) are used as inputs into the ANN so as to evaluate the degree of effect of each
of these variables on daily influent BOD. The results of the ANN model is compared with multiple linear regression
model (MLR). Mean square error, average absolute relative error and coefficient of determination statistics are used
as comparison criteria for the evaluation of the model performances. Based on the comparisons, it was found that the
ANN model could be employed successfully in estimating the daily influent BOD of wastewater biological
treatment plant and also ANN model is superior to MLR technique.

Keywords

Water quality, waste water treatment plant, biological oxygen demand, artificial neural network, multiple linear regression analysis