Atıksu arıtma tesislerinde biyokimyasal oksijen ihtiyacının farklı yapay zeka teknikleri ile modellenmesi: Antalya Hurma Atıksu Arıtma Tesisi örneği

Abstract

Atıksu arıtma tesislerinin işletimi ve yönetiminde biyokimyasal oksijen ihtiyacı (BOİ) miktarının gözlemlenmesi önem arz etmektedir. Bu parametrenin ölçümü ve takibi, atıksuyun kirlilik değerlerinin kontrol altında tutulmasını sağlar. Ancak BOİ'nin ölçümü zordur ve analiz sonuçlarının elde edilmesi 5 gün gibi uzun bir süre almaktadır. Buna bağlı olarak BOİ parametresinin ölçüm maliyeti de bir hayli artış göstermektedir. Bu zorlukları ortadan kaldırmak adına BOİ parametresinin yapay zeka yöntemleri ile tahmini yapılan çalışmalar arasındadır. Bu çalışmada, Antalya Hurma AAT giriş havuzunda BOİ tahmini yapılması amaçlanmıştır. Bu doğrultuda farklı regresyon ve yapay sinir ağları teknikleri kullanılarak karşılaştırmalı analizler yapılmıştır. Çoklu regresyon analizi, çok değişkenli uyarlanabilir regresyon eğrileri, yapay arı kolonileri, öğretme-öğrenme tabanlı optimizasyon algoritması, çok katmanlı yapay sinir ağları, yapay arı kolonisi algoritması ile yapay sinir ağları eğitimi ve öğretme-öğrenme tabanlı optimizasyon algoritması ile yapay sinir ağları eğitimi olmak üzere toplamda 7 ayrı yöntem uygulanmıştır. Tesiste ölçülen farklı giriş parametreleri aracılığıyla BOİ tahmini yapılmaya çalışılmıştır. 232 adet günlük veri aracılığıyla analizler gerçekleştirilmiştir. Tahmin çalışmasında kullanılan 8 parametreli (Q, t, pH, KOİ, AKM, tN, tP, Eİ) modelleme seti Model-1, 7 parametreli (Q, t, pH, KOİ, tN, tP, Eİ) modelleme seti Model-2 ve iki parametreli (KOİ, AKM) modelleme seti ise Model-3 olarak adlandırılmıştır. Oluşturulan modelleri kıyaslandığında en yüksek determinasyon katsayısını veren Model-1 ÇK-YSA modeli en iyi model olarak belirlenmiştir.