Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "model wastewater" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Jednowymiarowe modele natężenia i jakości ścieków dopływających do oczyszczalni komunalnych
One-dimensional models describing the parameters of the influent to the municipal wastewater treatment plant
Autorzy:
Sobota, J.
Szetela, R.
Powiązania:
https://bibliotekanauki.pl/articles/236798.pdf
Data publikacji:
2005
Wydawca:
Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
Tematy:
ścieki miejskie
natężenie dopływu
wskaźniki jakości
model autoregresji sezonowy
prognozowanie
municipal wastewater
influent flow ratio
organic constituents
seasonal autoregressive model
forecast
Opis:
Zarówno natężenie przepływu, jak i główne wskaźniki jakości ścieków dopływających do oczyszczalni, wykazują dobową powtarzalność. Zjawisko to, nazywane sezonowością, powinno być uwzględniane podczas budowania modeli prognostycznych i symulacyjnych. W pracy przedstawiono wyniki badań nad wyborem najlepszego modelu, opisującego wskaźniki ścieków dopływających do oczyszczalni komunalnych. Na podstawie przeprowadzonych analiz oraz wyników wcześniejszych prac stwierdzono, że klasyczny sezonowy model autoregresji postaci (delta)24Zt=(fi)1(delta)24Zt-1+at opisuje zmienność zarówno natężenia dopływu ścieków jak i wartości wskaźników tlenowych (BZT5, ChZT) lepiej niż niesezonowe modele autoregresji. Wykazano, że modele nie zawierające parametru sezonowości były nieadekwatne. Przy praktycznym zastosowaniu tego modelu okazało się jednak, że nie daje on zadowalających prognoz dla wskaźników nie mających dokładnej dobowej powtarzalności. W wypadku występowania silnych zakłóceń (np. w wyniku intensywnych opadów deszczu następowało zawyżanie prognozowanych wartości w następnej dobie. W pracy zaproponowano zmodyfikowany model w postaci Zt=(fi)1Zt-1+(fi)2Zt-24+(fi)3Zt-25+at inaczej uwzględniający dobową sezonowość. Dzięki temu jakość prognoz uległa znacznej poprawie, nawet w wypadku doby o nietypowej charakterystyce. Ze względu na małe wartości współczynnika (fi)3 oraz stosunkowo duże błędy tego estymatora, w niektórych przypadkach model upraszcza się do postaci Zt=(fi)1Zt-1+(fi)2Zt-24+bo+at. Stwierdzono, że szeregi czasowe niektórych wskaźników jakości nie wykazywały wyraźnego charakteru okresowego. W tym kontekście wprowadzono kryterium operujące pojęciem "pamięci procesu", pozwalające na wstępną ocenę trafności wyboru modelu sezonowego. Wskazano na pewną graniczną wartość "pamięci procesu", poniżej której szeregu czasowego nie daje się adekwatnie opisać modelem sezonowym.
Both the flow rate and the composition of the wastewater stream entering the plant follow a 24-hour diurnal pattern. This phenomenon (also refered to as seasonality) should be taken into account when constructing models for the needs of forecasting or simulation. Our investigations reported on in this paper concentrated on the choice of such a model that would best describe the influents to municipal wastewater treatment plants. Our analyses, as well as the results of our previous studies, have revealed that the classical seasonal autoregressive model (delta)24Zt=(fi)1(delta)24Zt-1+at describes the variability not only of the flow rate but also of the organic constituents (BOD5, COD) better than the nonseasonal autoregressive models. Models that did not include the seasonality parameter were found to be inadequate. It has been shown, however, that the classical seasonal model fails to yield reliable forecast, when applied to time series deviating from exact 24-hour repeatability. Whenever there were episodes of strong disturbance (e.g. due to heavy rainfall), they always produced overrated forecast values for the subsequent 24-hours. In our present paper, the classical model was modified to the form of Zt=(fi)1Zt-1+(fi)2Zt-24+(fi)3Zt-25+at. In this way it was possible to upgrade noticeably the quality of the forecasts, even if a 24-hour period displayed an atypical characteristic. In some cases, when the (fi)3 coefficient took low values, and its estimator error was big, the model was simplified to the form of Zt=(fi)1Zt-1+(fi)2Zt-24+bo+at. It was found that the time series for some wastewater constituents did not show a distinct seasonality. In this context, a criterion was introduced, which involved the notion "process memory", thus enabling the adequacy of the choice of the seasonal model to be preliminarily assessed. It was shown that there is a certain limit value of the "process memory" below which the time series can not be adequately described by the seasonal model.
Źródło:
Ochrona Środowiska; 2005, R. 27, nr 1, 1; 15-22
1230-6169
Pojawia się w:
Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie ilości ścieków dopływających do oczyszczalni za pomocą sztucznych sieci neuronowych z wykorzystaniem liniowej analizy dyskryminacyjnej
Forecasting the sewage inflow into a treatment plant using artificial neural networks and linear discriminant analysis
Autorzy:
Szeląg, B.
Studziński, J.
Chmielowski, K.
Leśniańska, A.
Rojek, I.
Powiązania:
https://bibliotekanauki.pl/articles/237303.pdf
Data publikacji:
2018
Wydawca:
Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
Tematy:
Wastewater inflow
sewage treatment plant
water level
daily precipitation
artificial neural networks
discriminant models
mean square error
mean percentage error
relative error
residual relative error
importance coefficient
dopływ ścieków
oczyszczalnia ścieków
poziom wody
opad dobowy
sztuczne sieci neuronowe
model dyskryminacyjny
błąd średniokwadratowy
średni błąd procentowy
błąd względny
względny błąd resztowy
współczynnik ważności
Opis:
W pracy przedstawiono wyniki prognozowania ilości ścieków dopływających do oczyszczalni komunalnej w Rzeszowie z wykorzystaniem perceptronowych wielowarstwowych sztucznych sieci neuronowych. W modelu prognostycznym przyjęto następujące zmienne niezależne: zmierzona ilość ścieków dopływających do oczyszczalni określona w poprzednich dobach, poziom wody w Wisłoku (odbiornik ścieków), suma dobowych opadów atmosferycznych oraz dobowa ilość wody tłoczonej do sieci wodociągowej. Przeprowadzone obliczenia wykazały, że wśród rozpatrywanych zmiennych istotny wpływ na zdolność predykcyjną modelu prognostycznego miał poziom wody w Wisłoku, wysokość opadów atmosferycznych oraz ilość ścieków dopływająca do obiektu zmierzona w poprzednich dniach. Analizowano również wpływ poszczególnych parametrów strukturalnych modelu opartego na sztucznych sieciach neuronowych na wyniki prognozowania. Przeprowadzone badania, z wykorzystaniem drzew klasyfikacyjnych, wykazały, że na liczbę neuronów w warstwie ukrytej wpływała liczba sygnałów wejściowych do modelu, natomiast rodzaj funkcji aktywacji w warstwach ukrytej i wyjściowej miał mniejsze znaczenie, co potwierdziły wartości o znaczeniu predykcyjnym. Badano również możliwość zastosowania liniowej analizy dyskryminacyjnej do oceny zdolności predykcyjnych skonstruowanych modeli prognostycznych. Uzyskane wyniki wykazały, że liniowa analiza dyskryminacyjna może być ciekawym narzędziem do oceny doboru zmiennych w modelu prognostycznym ilości ścieków dopływających do oczyszczalni.
The paper presents the results of forecasting the sewage inflow into the municipal wastewater treatment plant in Rzeszow using multilayer perceptron neural networks. For the forecast model, the following independent variables were adopted: the measured inflow volume to the treatment plant from the previous days, the water level in the Wislok River (effluent receiver), the total daily precipitation and the daily water inflow into the network. The calculations led to conclusions that variables substantially affecting the prognostic capacity of the forecast model included the water level in the Wislok River, the volume of precipitation and the sewage inflow to the facility from the previous days. Additionally, the impact of individual structural parameters of the model based on artificial neural networks on forecasting results was analyzed. The research conducted with the use of classification trees demonstrated that number of neurons in the hidden layer was influenced by the number of inputs to the model, while the type of activation function in the hidden and output layer was of minor importance which was confirmed by the data of prognostic value. The applicability of a linear discriminant analysis for assessment of prognostic ability of the constructed forecast models was also investigated. The results obtained demonstrated that the linear discriminant model might be an interesting assessment tool to select variables for the forecast model of sewage inflow to a treatment plant.
Źródło:
Ochrona Środowiska; 2018, 40, 4; 9-14
1230-6169
Pojawia się w:
Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies