KASKİ atık su arıtma verilerinin yapay sinir ağları ve bulanık mantık yöntemleri ile tahmin edilmesi
Prediction of wastewater treatment data of Kayseri water and sewerage administration (KASKI) artifical neural networks and fuzzy logic
- Tez No: 505730
- Danışmanlar: DR. ÖĞR. ÜYESİ HATİCE ÇITAKOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Atıksu, Yapay zeka yöntemleri, Kimyasal oksijen ihtiyacı (KOİ), Biyolojik oksijen ihtiyacı (BOİ)
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 97
Özet
Atık su arıtma tesislerinin işletilmesi ve yönetiminde Kimyasal Oksijen İhtiyacının (KOİ) ve Biyolojik Oksijen İhtiyacının (BOİ) gözlemlenmesi oldukça önemlidir. KOİ ve BOİ parametrelerinin ölçülmesi ve takibi, atık suyun kirlilik değerlerinin kontrol edilmesini sağlamaktadır. Fakat KOİ ve BOİ değerlerinin ölçümü zordur ve BOİ değerinin analizi en az 5 gün, KOİ değerinin analizi ise yaklaşık 3 saat sürmektedir. Ayrıca KOİ ve BOİ değişkenlerinin ölçümü çok maliyetlidir. Bu zorlukları gidermek amacıyla; ilk olarak KOİ ve BOİ değişkenleri, diğer atık su değişkenleri kullanılarak bir girdiden beş girdiye kadar çeşitli kombinasyonlarla yapay zekâ teknikleri ile tahmin edilmiştir. Bu çalışmada, Kayseri Su ve Kanalizasyon İdaresi (KASKİ) bünyesindeki merkez ileri biyolojik atıksu arıtma tesisine ait 2011-2014 yılları arasındaki günlük atıksu arıtma verileri kullanılmıştır. KOİ değişkeni tahmininde ölçülen akış debisi (Q), pH, BOİ, askıda katı maddeler (AKM) ve azot (N) değerleri; BOİ değişkeni tahmininde ise KOİ, AKM, fosfor (P), Q, pH değerleri bağımsız değişken olarak kullanılmıştır. KOİ ve BOİ değişkenlerinin tahmininde Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi (ANFIS) ve Yapay Sinir Ağı (YSA) yöntemleri kullanılmış ve karşılaştırmalı analizler yapılmıştır. Yapay zekâ yöntemleri ile analiz yapılmadan önce, toplam veriler eğitim ve test veri olmak üzere iki grup kümelerine ayrılmıştır. Bu 4 yıllık toplam 724 verinin 543 (724×0.75) adedi eğitmede, 181 (724×0.25) adedi ise test verisi olarak kullanılmıştır. En düşük Ortalama Mutlak Hata (OMH) ve Karekök Ortalama Karesel Hata (KOKH) kriterine göre, BOİ değerinin tahmininde YSA ve ANFIS modellerinin sonuçları birbirine çok yakın sonuçlar elde edilmiş olup birbirine karşın üstün sonuçlar vermemiştir. En düşük OMH ve KOKH kriterine göre, KOİ değerinin tahmininde her iki modelinde benzer hata kriterine sahip olmasına rağmen en iyi tahmini YSA modeli vermektedir. BOİ ve KOİ değerlerinin yapay zekâ yöntemlerini ile tahmin değerleri determinasyon katsayısına göre kıyaslandığında sonuçların istenilen düzeyde olmadığı tespit edilmiştir. Çalışmanın ikinci aşamasında BOİ, KOİ ve AKM değişkenleri arasındaki korelasyonun 0.5 den büyük ve diğer parametreler arasındaki korelasyon 0.5 daha düşüktür. Bu nedenle BOİ, KOİ ve AKM değişkenleri arasındaki ilişkiyi ifade etmek için Excel-çözücü yardımıyla iki matematiksel eşitlik geliştirilmiştir. OMH ve KOKH kriterine göre Model 1 ile tahmin edilen BOİ değeri Model 2 ile tahmin edilen BOİ değeri ölçülen BOİ değerine daha yakındır. Üç yöntem birbiriyle karşılaştırıldığı zaman hata kriterlerine göre birbirine yakın sonuçlar vermiş olup uygulanabilirlik açısından Model 1, BOİ ve KOİ değerlerinin tahminin de tercih edilmektedir.
Özet (Çeviri)
Continual gauging of Chemical Oxygen Demand (COD) and Biological Oxygen Demand (BOD) is of crucial significance for the operation and management of wastewater treatment plants because these two parameters are directly related to the control of pollution peculiarities of the waste water. The measurement of both COD and BOD is not a simple task however, as it necessitates involved procedures. The measurement and assessment of BOD values takes a minimum of five days, while they require about three hours for COD. Moreover, both are costly activities. First, in this study, both COD and BOD measured at daily time steps are estimated as function of one to five explanatory variables in various combinations by artificial intelligence techniques. Daily data of COD and BOD measured by Kayseri Municipal Water and Sewerage Administration (KASKİ) over the period of 2011 through 2014 are used in the study. Flow rate (Q), pH, BOD, suspended solids concentration (SSC), and nitrogen content (N) are included as explanatory variables for the prediction of COD, while Q, pH, COD, SSC, and phosphorus content (P) are used for the prediction of BOD. The Adaptive Network Based Fuzzy Inference System (ANFIS) and Artificial Neural Network (ANN) methods are used in the estimation of COD and BOD variables and comparative analyzes are performed. Prior to the analyses with these artificial intelligence methods, the total data are divided into two groups as training and testing data. In a range of four years, a total of 724 daily data exist, and 543 (75%) of those are used as the training data while 181 (25%) are used as the testing data. According to the criteria of mean absolute error (MAE) and root mean square error (RMSE), the results of the ANN and ANFIS models turn out to be fairly close to each other in predicting the BOD. By the same criteria, the ANN is found to be slightly superior to the ANFIS in predicting the COD. By the criterion of determination coefficient however, both models do not seem to be satisfactorily successful. The correlation coefficients among BOD, COD and SSC variables is determined to be higher than 0.5 while those among the other parameters are determined to be lower than 0.5. Therefore, in the second stage of the study, two analytical models are developed using the Excel-solver to express the relationship among BOD, COD and SSC variables. The BOD estimated by Model 1 and Model 2 according to the MAE and RMSE criteria is found to be fairly close to the measured BOD value. However, the comparison of these three methods leads to the conclusion that the estimation of BOD and COD by Model 1 should be preferable in terms of applicability. Key words : Wastewater, Artificial intelligence methods , Chemical oxygen demand (COD), Biological oxygen demand (BOD)
Benzer Tezler
- Sulak alanların uzaktan algılama ve coğrafi bilgi sistemleri ile irdelenmesi: Akgöl örneği
Analysis of wetlands using remote sensing and geographic information systems: Akgol sample
ADALET DERVİŞOĞLU
Doktora
Türkçe
2018
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Aralıklı havalandırma optimizasyonuyla konvansiyonel aktif çamur sisteminin ileri biyolojik arıtmaya dönüştürülmesi
Full scale upgrade of conventional activated sludge system to nutrient removal process with intermittent aeration optimization
ANDAÇ ÖZHAN
Yüksek Lisans
Türkçe
2024
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. HAYRETTİN GÜÇLÜ İNSEL
- KASKİ Arıtma Tesisi'ndeki ekserji ve enerji potansiyelinin incelenmesi
Investigation of energy and exergy potential at KASKİ Waste water Treatment Plant
DİĞDEM HASDAL
Yüksek Lisans
Türkçe
2010
EnerjiErciyes ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. S. ORHAN AKANSU
- Treatment of municipal wastewater and organic waste by a pilot scale high rate activated sludge system
Evsel atık su ve organik atıkların pilot ölçekli yüksek hızlı aktif çamur prosesi ile arıtımı
DİLARA SANCAR
Yüksek Lisans
İngilizce
2017
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. İZZET ÖZTÜRK
- Arıtma çamuru işleyen gerçek ölçekli anaerobik parçalanma prosesinin ADM1 ile modellenmesi
Modeling of real scale waste activated sludge anaerobic digestion process by anaerobic digestion model 1 (ADM1)
MURAT MERT OTUZALTI
Yüksek Lisans
Türkçe
2015
Çevre MühendisliğiAkdeniz ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURİYE ALTINAY PERENDECİ