ARTIFICIAL NEURAL NETWORK APPROACH FOR THE PREDICTION OF EFFLUENTS STREAMS FROM A WASTEWATER TREATMENT PLANT: A CASE STUDY IN KOCAELI (TURKEY)

ATIKSU ARITMA TESİS ÇIKIŞ SUYUNUN YAPAY SİNİR AĞLARI İLE TAHMİNİ: KOCAELİ (TÜRKİYE) İLİ ÖRNEK ÇALIŞMASI

Abstract

A three-layer Artificial Neural Network (ANN) model was employed to develop and estimate the effluent stream parameters of two different wastewater treatment plants (WWTP) in Kocaeli, Turkey. The chemical oxygen demand (COD), suspended solid (SS), pH and temperature as the output parameters were estimated by five input parameters such as flow rate, COD, pH, SS and temperature. The ANN model was developed with 400 data sets for prediction of effluent pH, temperature, COD and SS. The benchmark tests were employed to achieve an optimum network algorithm. The network model with optimum functions at hidden and output layers were applied for the forecasts of effluent streams of both WWTPs. The regression values of training, validation and test using this function were found as 0.94, 0.96 and 0.95, respectively. The optimum neuron numbers were determined according to the minimum mean square error values. ANN testing outputs revealed that the model exhibited well performance in forecasting the effluent pH, temperature, SS and COD values.

Özet

Bu çalışmada; Kocaeli (Türkiye) ilinde bulunan iki farklı atıksu arıtma tesis çıkış suyu parametreleri üç katmanlı Yapay Sinir Ağları (YSA) ile değerlendirilerek modelleme yapılmıştır. Çıktı parametreleri olarak belirlenen kimyasal oksijen ihtiyacı (KOİ), askıda katı madde (AKM), pH ve sıcaklık değerleri beş girdi parametresi (akış hızı, KOİ, AKM, pH ve sıcaklık) ile tahmin edilmiştir. YSA modeli 400 veri seti ile geliştirilerek çıkış suyu pH, sıcaklık, KOİ ve AKM değerlerinin modellemesi yapılmıştır. YSA eğitimi için optimum algoritmayı belirlemek amacıyla birçok kıyaslama testleri gerçekleştirilmiştir. YSA modeli; gizli katmanda tanjant sigmoid transfer fonksiyonu (tansig) ve çıkış katmanında lineer transfer fonksiyonu (purelin) optimum olarak belirlenmiştir. Bu fonksiyonları kullanarak eğitim, validasyon ve test setleri için regresyon değerleri sırasıyla 0.94, 0.96 ve 0.95 olarak bulunmuştur. Gizli katmanda optimum nöron sayısı minumum ortalama kare hata değeri temel alınarak saptanmıştır. Elde edilen sonuçlara göre YSA modelinin çıkış suyu pH, sıcaklık, KOİ ve AKM değerlerinin tahmininde etkin ve doğru performans gösterdiği belirlenmiştir.