بررسی مدل‌های آماری در مدل‌سازی فرآیند تصفیه فاضلاب با استفاده از روش داده کاوی

(2015) بررسی مدل‌های آماری در مدل‌سازی فرآیند تصفیه فاضلاب با استفاده از روش داده کاوی. Journal of Environmental Health Enginering.

[img] Text
article-1-172-en.pdf

Download (500kB)

Persian Abstract

زمینه و هدف: تصفیه فاضلاب شامل فرآیندهای فیزیکی، شیمیایی و بیولوژیکی بسیار پیچیده و وابسته به هم می باشد، با استفاده از روش های داده کاوی می توان با دقت زیاد و بوسیله مدل های بدون محاسبات پیچیده ریاضی  فرآیندهای تصفیه فاضلاب را مدلسازی کرد. مواد و روش‌ها: در این پژوهش از داده های مربوط به فرآیندهای تصفیه فاضلاب موجود در شرکت آب و فاضلاب استان کهگیلویه و بویر احمد استفاده گردید. در مجموع 3306 داده مربوط به COD، TSS،  PHو کدورت جمع آوری گردید. در نهایت داده های گردآوری شده با استفاده از نرم افزار های تحلیل آماری SPSS-16 (آمارتوصیفی) و داده کاوی Ibm Spss Modeler 14.2 و از طریق 9 الگوریتم مورد تجزیه و تحلیل قرار گرفتند. نتایج: با توجه به نتایج بدست آمده بر روی الگوریتم های رگرسیون لجستیکی، شبکه عصبی، شبکه بیزی، تحلیل تفکیکی، درخت تصمیم C5، درخت C&R ، CHAID، QUESTو SVM به ترتیب دارای درصد دقت درستی 16/90، 17/94 ، 37/81 ، 48/70 ، 89/97 ، 56/96 ، 46/96 ، 84/96 ، 92/88 بودند. بحث ونتیجه‌گیری: در این مطالعه، الگوریتم C5 به عنوان بهترین و کارآمدترین الگوریتم در جهت مدلسازی فرآیندهای تصفیه فاضلاب با دقت 899/97 درصد انتخاب گردید و موثرترین متغیر ها در این مدل به ترتیب PH، COD، TSS و کدورت بودند.

Title

Application of Statistical Model in Wastewater Treatment Process Modeling Using Data Analysis

Abstract

Background: Wastewater treatment includes very complex and interrelated physical, chemical and biological processes which using data analysis techniques can be rigorously modeled by a non-complex mathematical calculation models. Materials and Methods: In this study, data on wastewater treatment processes from water and wastewater company of Kohgiluyeh and Boyer Ahmad were used. A total of 3306 data for COD, TSS, PH and turbidity were collected, then analyzed by SPSS-16 software (descriptive statistics) and data analysis IBM SPSS Modeler 14.2, through 9 algorithm. Results: According to the results on logistic regression algorithms, neural networks, Bayesian networks, discriminant analysis, decision tree C5, tree C & R, CHAID, QUEST and SVM had accuracy precision of 90.16, 94.17, 81.37, 70.48, 97.89, 96.56, 96.46, 96.84 and 88.92, respectively. Discussion and conclusion: The C5 algorithm as the best and most applicable algorithms for modeling of wastewater treatment processes were chosen carefully with accuracy of 97.899 and the most influential variables in this model were PH, COD, TSS and turbidity.

Item Type: Article
Keywords: Wastewater Treatment Process Modeling, Data Analyzing, Classification, Kohgiluyeh and Boyer Ahmad
Persian Keywords: مدلسازی فرآیند تصفیه فاضلاب, داده کاوی, دسته بندی, کهگیلویه و بویر احمد
Subjects: Environmental health
Divisions: Research Vice-Chancellor Department > Journal of Environmental Health Engineering
Depositing User: دکتر محمود دهقانی فرد
URI: http://eprints.abzums.ac.ir/id/eprint/1401

Actions (login required)

View Item View Item