AI Summary & Key Takeaways
AI InsightMC sonuçları, renk, KOİ ve bulanıklık giderimlerinde sırası ile yaklaşık %0.1, %0.09 ve %24 belirsizlik olduğunu ortaya koymuştur.
📌 3 Key Takeaways
Özet
Bu çalışmanın amacı Box Behnken tasarımı (BBT) temelli deneyler rehberliğinde ozonlama süreci kullanarak Bolu ilinde yer alan yerel bir hindi işleme tesisi çıkış sularının; ileri arıtımını, ampirik olarak modellenmesi ve türetilen model ifadelerindeki belirsizliğin nicelleştirilmesini içermektedir. Deneysel işletme parametreleri olarak ozon dozu (OD, mg/L), reaksiyon süresi (RT, dk) ve başlangıç pH’sı (pH) belirlenmiştir. 20 mg/L OD, 7.5 başlangıç pH’sı ve 60 dk RT şartlarında renk, KOİ ve bulanıklık giderimleri sırası ile %96.77, %96.07 ve %95.37 olarak elde edilmiştir. Bu sonuçlar ozonlamanın ilgili atık suların arıtımında etkin bir süreç olduğunu göstermiştir. BBT temelli ampirik modelleme çalışmaları neticesinde hem ilgili yanıt değişkenlerindeki değişkenliği ifade etmek (R2düz) hem de ilgili yanıt değişkenlerini tahmin etmek (R2tah) için ikinci mertebe çoklu doğrusal olmayan regresyon (ÇDOR) modelleri türetilmiştir. Bu bağlamda türetilen ÇDOR modellerine ait R2düz değerlerinin %99.81 ile %99.99 arasında, R2tah değerlerinin ise %99.36 ile %99.83 arasında değiştiği görülmüştür. Bu durum türetilen ÇDOR modellerinin oldukça yüksek bir tahmin gücü olduğunu göstermiştir. Son olarak türetilen ÇDOR modellerindeki belirsizlikler Monte Carlo (MC) simülasyonu ile ifade edilmeye ve nicelleştirilmeye çalışılmıştır. MC sonuçları, renk, KOİ ve bulanıklık giderimlerinde sırası ile yaklaşık %0.1, %0.09 ve %24 belirsizlik olduğunu ortaya koymuştur.