| ارزیابی تأثیر پارامترهای تصفیه خانه فاضلاب با استفاده از هوش مصنوعی توضیح پذیر، در نتایج مدل شبکه عصبی مصنوعی |
| کد مقاله : 1123-IWWA |
| نویسندگان |
|
مهسا دهقان *1، وحید نورانی2 1گروه آموزشی آب، دانشکده فنی و مهندسی عمران، دانشگاه تبریز، تبریز ایران 2استاد گروه آب، دانشکده مهندسی عمران، دانشگاه تبریز |
| چکیده مقاله |
| در این تحقیق جهت ارزیابی اکسیژن مورد نیاز بیولوژیکی پساب (BODeff) و اکسیژن مورد نیاز شیمیایی پساب (CODeff) تصفیه‌خانه فاضلاب تبریز از یک مدل هوش مصنوعی جعبه سیاه به نام شبکه عصبی پیش‌خور (FFNN) استفاده شده است. داده‌های مورد استفاده برای این مدل‌سازی، مربوط به اطلاعات روزانه تصفیه‌خانه تبریز از سال 1397 تا 1399 است. با توجه به اهمیت انتخاب پارامترهای ورودی مؤثر برای مدل، از دو تکنیک ضریب همبستگی (CC) و تابع اطلاعات مشترک (MI) جهت انتخاب ورودی ها استفاده شد. نتایج مدل سازی نشان داد که کاهش تعداد ویژگی های ورودی به شبکه با استفاده از روش MI تا حدودی باعث بهبود نتایج می شود. جهت بررسی اهمیت هریک از ویژگی ها از روش توضیح افزودنی Shapley(SHAP) که یکی از الگوریتم های هوش مصنوعی توضیح پذیر (XAI) می باشد، استفاده شد. بکارگیری این تکنیک نوظهور و تصویرسازی سهم هریک از ورودی ها در نتایج بدست آمده از مدل به این نتیجه انجامید که، BODeffو CODeff با یک روز تأخیر (BODeff(t-1) و CODeff(t-1)) به ترتیب با داشتن سهم حدودی 60% و64% در نتایج کل، تأثیرگذارترین ویژگی ها در نتایج مدل سازیFFNN می‌باشند. |
| کلیدواژه ها |
| ارزیابی پارامترهای کیفی پساب، شبکه عصبی مصنوعی، هوش مصنوعی توضیح پذیر، تصفیه خانه فاضلاب تبریز |
| وضعیت: پذیرفته شده |
