Evsel atıksu arıtma tesislerinde ön arıtım ve biyolojik arıtım çıkış parametrelerinin YSA ile tahmini

Yükleniyor...
Küçük Resim

Tarih

2010-01-13

Dergi Başlığı

Dergi ISSN

Cilt Başlığı

Yayıncı

Selçuk Üniversitesi Fen Bilimleri Enstitüsü

Erişim Hakkı

info:eu-repo/semantics/openAccess

Özet

Atıksu arıtma tesislerinde BOİ, KOİ gibi parametrelerin çıkış değerleri ve tesis verimi aktif çamur prosesi içerisinde yer alan mikroorganizma ve substrat konsantrasyonuna bağlı olarak geliştirilen denklemler yardımıyla tahmin edilmekte veya çıkış ölçümüyle belirlenmektedir. Yapay Sinir Ağları (YSA) ile yapılan ancak işletme sırasında karşılaşılabilecek özel durumların zamanında ve doğru görülebilmesi için çıkış suyu ölçümleri yeterli değildir. Ölçümü beklenmeden, su tesisteyken parametre değerlerini tespit edebilmek, herhangi bir probleme zamanında müdahale etmek için önem taşımaktadır. YSA kullanılarak bu tür modellerin geliştirilebileceği şimdiye kadarki çalışmalarda gösterilmiştir. Ancak tesisin ara ünitelerini de dikkate alan ve geçmiş verilere dayanarak aynı anda çoklu parametrelerin tahminini yapabilen YSA üzerinde çalışmaya çok fazla rastlanmamaktadır. Oysa ara ünitede parametrelerin değerini bilebilmek ve tek parametre yerine tesis performansını belirleyen tüm kritik parametreleri aynı anda görebilmek işletmeciye önemli destek sağlayacaktır. Bu çalışmada evsel nitelikli bir atıksu arıtma tesisinde bütün parametrelerin çıkış değerlerinin tahmini amacıyla YSA modeli kurgulanmıştır. Modelde atıksu arıtma tesisi ön arıtım (YSA-1) ve biyolojik arıtım (YSA-2) ünitesi olarak alt sistemlere bölünmüş ve her bir kısım için pH, debi, sıcaklık, AKM, KOİ, BOİ, toplam N ve toplam P kontrol parametreleri çalışılmıştır. Modelde en düşük test hata oranını veren öğrenme oranı (lr) 0,1, momentum sabiti (mc) 0,8, iterasyon sayısı 10000 olarak tespit edilmiştir. YSA-1 için purelin-purelin 8 düğüm sayılı YSA-2 modeli için ise purelin-purelin 13 düğüm sayılı ağ yapısı en uygun genellemeye ulaşmıştır. Model çalışmaları sonucunda bütün parametrelerin hata seviyeleri farklı olsa da aynı anda tahmin edilebileceği gösterilmiştir. Model performansı açısından YSA-1 modelinin pH (%1,1-3,1), debi (%6,5-7,1), AKM (%8,3-14,3), KOİ (%8,1-9,4) ve BOİ (%12-13,8) parametrelerinin tahmininde başarılı olduğu sonucuna varılmıştır. YSA-2 modelinde ise debi (%7,4-10,1), sıcaklık (%8-9,4) parametrelerinde başarılı sonuçlar elde edilirken, AKM (%21,3-62,8), KOİ (%10,6-27,2), BOİ (%9,5-41,5) tahmininde modelin performansının yetersiz kaldığı görülmüştür. pH (%2,5-5,8), toplam fosfor (%61,7-62,4) ve toplam azotun (%16,4-44,1) ise kısmen başarılı olduğu sonucuna varılmıştır. Başarısız ve kısmen başarılı alınan parametrelerin model yapılandırılırken dikkate alınarak bazı noktalarla başarılı duruma getirilebileceği görülmüştür. En az son 2 yıllık tesis verisiyle çalışılmalı ve her son ayın verisi eklendiğinde en eskisi çıkarılmalıdır. Eğitme test setleri seçilirken mevsimsel değişimi de içerecek şekilde örneğin 4 eğitme 1 test şeklinde seçilmelidir. Farklı aktivasyon fonksiyonlarında yakın hata oranları elde edilmişti, buna dayanarak bunlarda da farklı lr ve mc ile denemeler yapılmalıdır.
Parameter values such as BOD, COD at wastewater treatment plants are either estimated via some kinetic equations considering biomass and substrate or measured in the effluent. In order to follow the treatment plant performance during the operation, effluent measurements are not sufficient. This is especially crucial to take precautions on time against some problems during the treatment. Some models have been developed by using Artificial Neural Networks (ANN) for effluents only, and for single parameter output. However models considering the main treatment units separately and estimating multiple parameters have not been sufficiently developed yet. Therefore in this study, wastewater treatment plant was divided into two main units as primary treatment (ANN-1) and biological treatment (ANN-2) and models were established for estimating pH, flow rate, temperature, suspended solids(SS), COD, BOD, total nitrogen and total phosphorus. Learning rate (lr), momentum constant (mc) and iteration number were selected as 0.1 , 0.8 and 10000 respectively, which resulted in minimum test error. The optimally generalized structure was purelin-purelin with 8 nodes for ANN-1 and 13 modes for ANN-2. ANN-1 showed good performance in pH (1,1-3,1%), flow rate (6,5-7,1%), SS (8,3-14,3%), COD (8,1-9,4%) ve BOD (12-13,8%) estimation. ANN-2 has more complex relationship between parameters. Therefore the model performance was best in flow rate (7,4-10,1%) and temperature (8-9,4%) estimation while it was fair SS (21,3-62,8%), COD (10,6-27,2%) and BOD (9,5-41,5%). On the other hand, pH (2,5-5,8%), total P (61,7-62,4%) and total N (16,4-44,1%) estimations were partially successful indicating that the model can be developed for full performance. These developments are categorized into two. The first one is about the data. At least two years data should be used with 4 to 1 training and test data selection so considering the seasonal variations and data should be upgraded monthly. The second development should be in model configuration. Error quantities of different activation conditions with varying lr and mc values should be studied.

Açıklama

Anahtar Kelimeler

Atıksu arıtma tesisi, Artificial neural networks, Estimation of parameter, Waste Water treatment plans, Yapay sinir ağları, Parametre tahmini

Kaynak

WoS Q Değeri

Scopus Q Değeri

Cilt

Sayı

Künye

Sinan, R. K. (2010). Evsel atıksu arıtma tesislerinde ön arıtım ve biyolojik arıtım çıkış parametrelerinin YSA ile tahmini. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.