Kentsel atıksu arıtma tesisi veriminin yapay sinir ağı ile modellemesi: Konya ili örneği

İklim krizi ile birlikte doğal kaynaklarımızın etkin ve verimli kullanılmasının gerektiği dünya gündeminde konuşulmaya başlanmıştır. Bu süreçte karşı karşıya kaldığımız kuraklık gerçeği de atıksuların yeniden kullanımı için uygun teknolojilerin geliştirilmesini gündeme getirmiştir. Mevcut atıksu arıtma tesislerinde çıkış suyu parametre değerlerinin önceden tahmin edilebilir olması, çıkış suyunun alıcı ortam üzerinde yaratacağı potansiyel zararlı etkilerinin önlenmesini ve proses yönetiminin etkinliğinin artmasını sağlayacaktır. Bu amaçla gelişen bilgisayar teknolojileri arasında yer alan yapay sinir ağları gibi yöntemlerle kentsel atıksu arıtma tesislerinin performanslarının tahmin edilmesine yönelik çalısmalar yapılmaktadır. Bu tez çalışmasında, Konya Su ve Kanalizasyon İdaresi (KOSKİ) Genel Müdürlüğünden temin edilen Konya Kentsel Atıksu Artıtma Tesisi 2021-2022 yılı giriş suyu pH, sıcaklık, iletkenlik, BOİ, KOİ, AKM parametreleri değerlerinden faydalanılarak, çıkış suyu BOİ, AKM, KOİ parametrelerinin değerleri MATLAB(2023b) programı Yapay Sinir Ağı (YSA) modülü Neural Net Fitting sinir ağı aracı ile modellenerek tahmin edilmiştir. Veri setindeki değerlerin dağılımının belirli bir aralıkta tutularak (0-1 aralığı) modelin daha etkin çalışmasının sağlanması amacıyla ham verilere normaizasyon işlemi uygulanmış olup, normalizasyon sonrasında elde edilen veri setinin %70'i eğitim, %15'i test, %15'i doğrulama olarak kullanılmıştır. Levenberg-Marquardt (LM) öğrenme algoritması kullanılarak yapılan modellemede nöron sayısı, giriş verisi sayısı, gizli katman sayısı değiştirilerek en iyi öğrenme algoritması bulunmaya çalışılmıştır. BOİ değerinin tahmini için; 1. senaryoda oluşturulan [3 20 1] ağ yapısında eğitim veri setinde R2=1 değerleri ile öğrenmeyi gerçekleştirdiği, tüm veri setleri dikkate alındığında modelin genel performansının MSE=0,0194, R2=0,7271 olduğu, 2. senaryo kapsamında yapılan çalışmaya ait gizli katman nöron sayısı 8 olarak belirlenen [6 8 1] ağ yapısında modelin genel performansının MSE=0,014, R2=0,7522 olduğu görülmüştür.