Nütrient giderim tesislerinde makine öğrenimi yöntemlerinin kullanımı
Use of machine learning methods in nutrient removal plants
- Tez No: 819924
- Danışmanlar: PROF. DR. EYÜP DEBİK
- Tez Türü: Yüksek Lisans
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Çevre Mühendisliği Bilim Dalı
- Sayfa Sayısı: 82
Özet
Yapay zekâ, gün geçtikçe atıksu arıtımında birçok farklı alanda kullanılmaktadır. Bu tez çalışmasında 3 farklı atıksu karakteristiğine sahip nütrient giderim tesislerinde tahminlemede çalışılmıştır. Bu tesisler evsel, endüstriyel ve hem evsel hem endüstriyel kaynaklardan beslenenmektedir. Tahminden önce veriler, ön işleme prosesiyle aykırı veriler çıkarılmıştır. Çalışmada toplamda 1110 veri olup Ocak 2020 ile Mart 2023 tarihlerini kapsamaktadır. Makine öğreniminde girdi olarak KOİ, BOİ, TN, TP, AKM, pH, sıcaklık, MLSS, HRT ve SRT gibi parametreler tanıtılarak çıkışta KOİ, BOİ, TN, TP ve AKM tahminleri analiz edilmiştir. Makine öğrenmesi yöntemlerinde Random Forest, XGBooost, Light GBM, SVM (Linear ve RBF) ve yapay sinir ağları kullanılmıştır. Python'ta Jupyterlab uygulaması seçilerek yazılan kodlar, %80 eğitim ve %20 test seti olacak şekilde çalışılmıştır. Elde edilen sonuçların yorumlanmasında MAE ile MAPE performans metrikleri kullanılmıştır. Makine öğrenimi yöntemlerinin atıksu parametreleri üzerindeki etkisine bakıldığında KOİ, BOİ ve AKM için SVM algoritmaları iyi tahmin sonucunu verirken TN ve TP tahmininde SVM'nin xiii performansı daha düşük gözlemlenmiştir. Çalışılan tüm tesislerin veri seti tek bir tesis gibi çalışıldığındaysa tüm yöntemlerin tahmin performansının düştüğü gözlemlenmiştir. Bu halde en iyi tahmin sonucunu veren algoritmalar KOİ, BOİ ve AKM'de SVM, TN ve TP'de Random Forest ile Light GBM olarak tespit edilmiştir. Öznitelik önemine bakıldığındaysa tüm parametre tahminlerinde MLSS'in yüksek önem düzeyine sahip olduğu sonucuna ulaşılmıştır. Ayrıca en iyi sonucu makine öğrenimi yöntemlerinden SVM, tahmin edilebilirlik bakımından en yüksek başarıyı ise BOİ sağlamıştır. Bir sonraki kriter olarak tüm tesislerde makinenin öğrenimi tamamlandıktan sonra makinenin bilmediği bir tesis üzerinde tahminleme yapılmıştır. Makinenin yabancı olduğu tesisin AAT-2'ye daha çok benzediği sonucuna ulaşılmış ve model başarılı sonuç vermiştir. Bulgular; her bir tesisin arıtma türüne, atıksu kaynağına ve kapasitesine bağlı olarak ayrı modellenmesi gerektiğini göstermiştir. Bunun yanında, her bir tesisin hem veri seti hem de girdi değişkenlerinin sayısı bakımından daha fazla veri içermesi, kirletici parametrelerin tahmininde makine öğrenimi uygulamalarını daha kararlı hale getirmektedir.
Özet (Çeviri)
Artificial intelligence is used in many areas in wastewater treatment. In this thesis, estimation was studied in nutrient removal plants with 3 different plants. These plants are fed from domestic, industrial and both. Before estimation, outliers were removed by the preprocessing. Study has 1110 data and covers between January 2020 and March 2023. COD, BOD, TN, TP, SS, pH, temperature, MLSS, HRT and SRT were introduced as inputs and the estimations of COD, BOD, TN, TP and SS as output. Random Forest, XGBooost, Light GBM, SVM (Linear and RBF) and artificial neural networks were used. The codes written by Jupyterlab in Python were studied as 80% training and 20% test. MAE and MAPE were used to interpret results. Considering effect of machine learning on wastewater, while SVM algorithms give good estimation results for COD, BOD and SS, the performance of SVM is observed lower in TN and TP estimation. Also, estimation performances decreased when the data set of all studied plants was studied as a single plant. In this case, the algorithms giving the best estimation results were determined as SVM in COD, BOD and SS, Random Forest and Light GBM for TN and TP. For feature importance, MLSS has high level in all parameter estimations. In addition, SVM provided the best result, and BOD provided the highest success for prediction. After xv the machine learning was completed, an estimation was made on a plant that the machine did not know. The plant, where machine was foreign, was more similar to the WWTP-2 and the model gave successful results. Results; each plant should be modeled separately depending on treatment type, source and capacity. Also, each plant contains more data in terms of both the data set and the number of input variables makes machine learning applications more stable for pollutant parameters.
Benzer Tezler
- Kentsel atıksulardan uzun süreli ozonlama ile KOİ, diklofenak giderimi ve kısmi nitrifikasyon
Removal of COD and diclofenac, and partial nitrification in municipal wastewater via extended ozonation
BURKAY KÖKNAR
Yüksek Lisans
Türkçe
2019
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. İZZET ÖZTÜRK
- Biological phosphorus removal in waste water treatment plants
Atık su arıtma tesislerinde biyolojik fosfor giderimi
BURCU ÖZDEMİR
Yüksek Lisans
İngilizce
2004
Çevre MühendisliğiMarmara ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF.DR. AHMET METE SAATÇİ
- Magnezyum amonyum fosfat (MAP) çöktürmesi ile atıksulardan azot ve fosfor giderimi
Nitrogen and phosphorus removal from wastewaters by magnesium ammonium phosphate (MAP) precipitation
MUSTAFA ÖZTÜRK
Yüksek Lisans
Türkçe
2006
Çevre MühendisliğiCumhuriyet ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. ULUSOY BALİ
- Kentsel atık su arıtma tesislerinde arıtma yöntemleri ve işletme performanslarının değerlendirilmesi: Kavak atık su arıtma tesisi örneği
Evaluation of treatment methods and operating performance in urban wastewater treatment plants: Kavak example of wastewater treatment plant
AYŞENUR AYAN
Yüksek Lisans
Türkçe
2022
Çevre MühendisliğiOndokuz Mayıs ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. YÜKSEL ARDALI
- Model based evaluation of biogas production potential of full scale wastewater treatment plant operated under low sludge retention time
Düşük çamur yaşı ile işletilen tam ölçekli arıtma tesislerinde biyogaz oluşum potansiyelinin model bazlı incelenmesi
DİLVİN YILDIZ
Yüksek Lisans
İngilizce
2012
Enerjiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. H. GÜÇLÜ İNSEL