تحلیل اهمیت پارامترهای تصفیه‌خانه فاضلاب در پیش‌بینی کیفیت پساب با استفاده از شبکه عصبی مصنوعی و الگوریتم SHAP

کد مقاله : 1027-IWWA (R2)

نویسندگان

عرفان یحیی پوراحمدی * ندارم

چکیده مقاله

پیش‌بینی دقیق کیفیت پساب خروجی تصفیه‌خانه‌های فاضلاب، نقش مهمی در ارزیابی عملکرد فرآیندهای تصفیه و مدیریت بهره‌برداری از این سامانه‌ها دارد. در این پژوهش، به‌منظور ارزیابی پارامترهای اکسیژن موردنیاز بیولوژیکی (BODeff) و اکسیژن موردنیاز شیمیایی (CODeff) پساب تصفیه‌خانه بابل، از مدل شبکه عصبی پیشخور (FFNN) به‌عنوان یک مدل هوش مصنوعی جعبه‌سیاه استفاده شد. داده‌های مورد استفاده شامل اطلاعات روزانه تصفیه‌خانه طی سال‌های ۱۴۰۰ تا ۱۴۰۳ بود. به‌منظور انتخاب مؤثرترین متغیرهای ورودی، دو روش ضریب همبستگی (CC) و اطلاعات متقابل (MI) مورد استفاده قرار گرفت. نتایج نشان داد که انتخاب ویژگی‌ها بر اساس روش MI و حذف متغیرهای کم‌اثر، موجب بهبود نسبی عملکرد مدل در پیش‌بینی پارامترهای مورد مطالعه شد. به‌منظور تفسیر رفتار مدل و تعیین میزان تأثیر هر یک از متغیرهای ورودی بر خروجی، از روش SHapley Additive exPlanations (SHAP) به‌عنوان یکی از روش‌های هوش مصنوعی توضیح‌پذیر (XAI) استفاده شد. تحلیل نتایج SHAP نشان داد که متغیرهای BODeff(t−1) و CODeff(t−1) به‌ترتیب با سهمی در حدود ۶۱ و ۶۵ درصد، بیشترین تأثیر را در پیش‌بینی خروجی مدل داشته و به‌عنوان مهم‌ترین متغیرهای مؤثر در ارزیابی کیفیت پساب شناخته می‌شوند. نتایج این پژوهش بیانگر آن است که به‌کارگیری هم‌زمان مدل‌های هوش مصنوعی و روش‌های توضیح‌پذیر، ضمن حفظ دقت پیش‌بینی، امکان تفسیر بهتر رفتار مدل و شناسایی عوامل مؤثر بر عملکرد آن را فراهم می‌کند.

کلیدواژه ها

عصبی مصنوعی، ارزیابی پارامترهای پساب، هوش مصنوعی توضیح‌پذیر، تصفیه‌خانه فاضلاب مازندران

وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر