Geri Dön

Yapay sinir ağları ve asm2 kullanılarak aktif çamur prosesinin kontrolü ve modellenmesi

Control and modelling of activated sludge process by using artificial neural networks and asm2

PDF İndir

  1. Tez No: 216201
  2. Yazar: CUMHUR ÖZTÜRK
  3. Danışmanlar: PROF. DR. AYŞENUR UĞURLU
  4. Tez Türü: Doktora
  5. Konular: Çevre Mühendisliği, Environmental Engineering
  6. Anahtar Kelimeler: Aktif çamur, ASM2, kinetik model, modelleme, yapay sinir agları, Activated sludge, ASM2, kinetic model, modelling, artificial neural network
  7. Yıl: 2007
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 229

Özet

Aktif çamur prensibiyle çalısan atıksu arıtma tesislerinin modellenmesi tasarım, analiz ve optimizasyon gibi farklı amaçlarla sıklıkla kullanılan bir uygulamadır. Ancak, genel kabul görmüs ve uzun zamandır kullanılan klasik aktif çamur modellerinin kurulması ve kalibrasyonu zor ve zahmetlidir. Günümüzde, mevcut modelleme tekniklerini güçlendirmek ve iyilestirmek amacıyla çalısmalar sürerken bir yandan da alternatif model yöntemleri arastırılmaktadır. Bu tez çalısmasında büyük ölçekli bir atıksu arıtma tesisi olan Hurma (Antalya) Atıksu Arıtma Tesisi iki farklı modelleme yaklasımı kullanılarak modellenmistir. Bu yöntemlerden ilki klasik model yöntemlerinden olan aktif çamur modeli ASM2, ikincisi ise alternatif bir model yaklasımı olan yapay sinir agı modelleme teknigidir. ki farklı modelleme yönteminin kullanılmasındaki amaç her iki yöntemin üstünlük ve zayıflıklarının belirlenmesi ve bu alanda gerçeklestirilecek çalısmalar için bir zemin olusturabilmektir. Sistemin ASM2 ile modellenmesinde, tesis bütüncül olarak modellenmis, bu amaçla öncelikle kinetik modele zemin olusturan hidrolik model ve sonrasında kinetik model yapısı kurulmustur. Model, tesis isletme verileri kullanılarak kalibre edilmistir. Sonuç olarak büyüme hızı, havalandırma havuzu oksijen degeri, çamur yası gibi bazı ara model degerleri elde edildigi gibi çıkıs suyu toplam azot, toplam fosfor ve kimyasal oksijen ihtiyacı gibi degerlere de ulasılmıstır. Model ve hedef degerler arasında elde edilen korelasyon degerleri toplam azot, toplam fosfor ve kimyasal oksijen ihtiyacı için sırasıyla 0.56, 0.38 ve 0.41 olarak hesaplanmıstır. Ancak, aynı isletme verileri kullanılarak yapay sinir agları yöntemi ile çıkıs suyu kimyasal oksijen ihtiyacı degerinin tahmin edildigi çalısmanın ikinci bölümünde 0.70'e varan korelasyon degerleri elde edilmistir. Bu sonuca ulasabilmek için, tesisten elde edilen veri üzerinde istatistiki analizler yapılmıs, verinin kullanılabilirligi ve güvenilirligi test edilmis, model yapısında bulunan giris katmanı ve saklı katman yapılarında bulunacak model elemanları belirlenmis, farklı model degiskenleri incelenmis ve veri seti üzerinde sayısal dönüsümler uygulanmıstır. Gerçeklestirilen tüm çalısmalar uygun alanlarda tek bir çatı altında toplanarak yapay sinir agları ile gerçeklestirilecek benzer çalısmalar için sistematik bir yapı meydana getirilmistir. Sonuç olarak, veriye dayalı tüm çevre mühendisligi uygulamalarında kullanılabilecek kapsamlı bir yapı elde edilmistir. Kullanılan her iki yöntemin bazı üstünlük ve zayıflıkları oldugu gözlenmistir. ASM2 modelleme yaklasımı ile atıksu arıtma tesislerinin modellenmesi bütüncül olarak gerçeklestirilebilmekte, ancak model kurulumu ve kalibrasyonu uzun ve zor olabilmektedir. Bunun yanında yapay sinir agları yöntemi, modellenen sistemin iç yapısının bilinme zorunlulugu olmaması ve modelleme asamasının daha esnek olması gibi sebeplerden dolayı daha kolay kullanımı olan bir modelleme yaklasımdır. Ancak, bu yöntemin kullanılabilmesi için sisteme ait geçmis verilerin bulunması gerekmektedir. Bu nedenle yapay sinir agları yöntemi, tasarım amaçlı kullanılamamaktadır.

Özet (Çeviri)

Modelling of activated sludge plants is a common application used for various purposes such as design, analysis and optimization. However, building conventional activated sludge models which have been widely used for a long time is a diffucult and cumbersome process as well as the calibration of these models. Nowadays, research studies are being conducted to improve current modelling techniques while the search for new methods are still continuing. In this thesis study, a large-scaled wastewater treatment plant (WWTP), namely Hurma (Antalya) WWTP, was modelled using two different modelling techniques: conventional activated sludge model ASM2 and an alternative modelling technique Artificial Neural Network (ANN). The purpose of using two different techniques is to analyze the advantages and disadvantages of both techniques and try to establish a basis for further studies that shall be carried out on this topic. The plant was modelled as a whole with ASM2. Upon building the hydraulic and kinetic model, the model was calibrated using real plant operating data. As a result, intermediate model results such as growth rate, aeration basin oxygen concentartion, sludge age and final model results such as effluent total nitrogen, total phosphorous and chemical oxygen demand concentrations were obtained. Correlation coefficients of model and target values for total nitrogen, total phosphorous and chemical oxygen demand concentrations were computed as 0.56, 0.38 and 0.41, respectively. However, model results for ANN studies which aimed to predict the chemical oxygen demand concentrations gave a better model performance with a correlation coefficient of 0.70 by using the same operational data of the plant. All applications carried out in order to achieve this result were gathered together by means of a pair of source codes wherever possible for similar ANN research studies. Thus, a systematic structure was developed which can be used in data-based environmental engineering applications. It was observed that both modelling techniques have some advantages and disadvantages. ASM2 approach is capable of modelling the activated sludge process as a whole, while developing and calibrating the model is difficult and take a long time. On the other hand, ANN approach is a much more easy-to-use technique. There is no need to know the inner structure of the phenomenon that is being modelled and it provides a more flexible modelling environment. Still, in order to use the ANN technique, the past data record of the system is needed and for this reason it is not possible to use this technique for design purposes.

Benzer Tezler

  1. Tez No

    418568

    Yapay sinir ağları ve bir otomotiv firmasında satış talep tahmini uygulaması

    Artificial neural networks and sales demand forecasting application in the automotive industry

    MERAL SARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HALİL İBRAHİM DEMİR

  2. Tez No

    887457

    Yapay sinir ağları ve bulanık mantık ile sanayi üretim endeksi tahmini

    Forecasting industrial production index with artificial neural networks and fuzzy logic

    ABDURRAHMAN ÖZCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HALİL NUSRET BULUŞ

  3. Tez No

    245599

    Yapay sinir ağları ve lojistik regresyon yöntemleri ile meme kanseri koltuk altı lenf nodu durumunun belirlenmesi

    Prediction of the axillary lymph node status in breast cancer using artificial neural network and logistic regression analysis methods

    RUKİYE KARAKIŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    PROF. DR. İNAN GÜLER

  4. Tez No

    68760

    Flight control using neural networks and fuzzy logic

    Yapay sinir ağları ve blanık mantık ile uçuş denetimi

    MEHMET ÖZGÜR ERİNMEZ

    Yüksek Lisans

    İngilizce

    İngilizce

    1997

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MEHMET KEMAL LEBLEBİCİOĞLU

  5. Tez No

    252873

    Havalı yağlama sisteminin yapay sinir ağları ve bulanık mantık yöntemleri ile kontrol tasarımı

    Design of air oiled system via using artificial neural networks and fuzzy logic applications

    HACI ŞABAN CELAYİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Elektrik ve Elektronik MühendisliğiZonguldak Karaelmas Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MAHMUT ÖZER

Geri Dön