- 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