Yapay sinir ağları ve asm2 kullanılarak aktif çamur prosesinin kontrolü ve modellenmesi
Control and modelling of activated sludge process by using artificial neural networks and asm2
- Tez No: 216201
- Danışmanlar: PROF. DR. AYŞENUR UĞURLU
- Tez Türü: Doktora
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Aktif çamur, ASM2, kinetik model, modelleme, yapay sinir agları, Aktif çamur süreci, Activated sludge, ASM2, kinetic model, modelling, artificial neural network, Activated sludge process
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Aktif çamur prensibiyle çalısan atıksu arıtma tesislerinin modellenmesi tasarım, analiz ve optimizasyon gibi farklı amaçlarla sıklıkla kullanılan bir uygulamadır. Ancak, genel kabul görmüs ve uzun zamandır kullanılan klasik aktif çamur modellerinin kurulması ve kalibrasyonu zor ve zahmetlidir. Günümüzde, mevcut modelleme tekniklerini güçlendirmek ve iyilestirmek amacıyla çalısmalar sürerken bir yandan da alternatif model yöntemleri arastırılmaktadır. Bu tez çalısmasında büyük ölçekli bir atıksu arıtma tesisi olan Hurma (Antalya) Atıksu Arıtma Tesisi iki farklı modelleme yaklasımı kullanılarak modellenmistir. Bu yöntemlerden ilki klasik model yöntemlerinden olan aktif çamur modeli ASM2, ikincisi ise alternatif bir model yaklasımı olan yapay sinir agı modelleme teknigidir. ki farklı modelleme yönteminin kullanılmasındaki amaç her iki yöntemin üstünlük ve zayıflıklarının belirlenmesi ve bu alanda gerçeklestirilecek çalısmalar için bir zemin olusturabilmektir. Sistemin ASM2 ile modellenmesinde, tesis bütüncül olarak modellenmis, bu amaçla öncelikle kinetik modele zemin olusturan hidrolik model ve sonrasında kinetik model yapısı kurulmustur. Model, tesis isletme verileri kullanılarak kalibre edilmistir. Sonuç olarak büyüme hızı, havalandırma havuzu oksijen degeri, çamur yası gibi bazı ara model degerleri elde edildigi gibi çıkıs suyu toplam azot, toplam fosfor ve kimyasal oksijen ihtiyacı gibi degerlere de ulasılmıstır. Model ve hedef degerler arasında elde edilen korelasyon degerleri toplam azot, toplam fosfor ve kimyasal oksijen ihtiyacı için sırasıyla 0.56, 0.38 ve 0.41 olarak hesaplanmıstır. Ancak, aynı isletme verileri kullanılarak yapay sinir agları yöntemi ile çıkıs suyu kimyasal oksijen ihtiyacı degerinin tahmin edildigi çalısmanın ikinci bölümünde 0.70'e varan korelasyon degerleri elde edilmistir. Bu sonuca ulasabilmek için, tesisten elde edilen veri üzerinde istatistiki analizler yapılmıs, verinin kullanılabilirligi ve güvenilirligi test edilmis, model yapısında bulunan giris katmanı ve saklı katman yapılarında bulunacak model elemanları belirlenmis, farklı model degiskenleri incelenmis ve veri seti üzerinde sayısal dönüsümler uygulanmıstır. Gerçeklestirilen tüm çalısmalar uygun alanlarda tek bir çatı altında toplanarak yapay sinir agları ile gerçeklestirilecek benzer çalısmalar için sistematik bir yapı meydana getirilmistir. Sonuç olarak, veriye dayalı tüm çevre mühendisligi uygulamalarında kullanılabilecek kapsamlı bir yapı elde edilmistir. Kullanılan her iki yöntemin bazı üstünlük ve zayıflıkları oldugu gözlenmistir. ASM2 modelleme yaklasımı ile atıksu arıtma tesislerinin modellenmesi bütüncül olarak gerçeklestirilebilmekte, ancak model kurulumu ve kalibrasyonu uzun ve zor olabilmektedir. Bunun yanında yapay sinir agları yöntemi, modellenen sistemin iç yapısının bilinme zorunlulugu olmaması ve modelleme asamasının daha esnek olması gibi sebeplerden dolayı daha kolay kullanımı olan bir modelleme yaklasımdır. Ancak, bu yöntemin kullanılabilmesi için sisteme ait geçmis verilerin bulunması gerekmektedir. Bu nedenle yapay sinir agları yöntemi, tasarım amaçlı kullanılamamaktadır.
Özet (Çeviri)
Modelling of activated sludge plants is a common application used for various purposes such as design, analysis and optimization. However, building conventional activated sludge models which have been widely used for a long time is a diffucult and cumbersome process as well as the calibration of these models. Nowadays, research studies are being conducted to improve current modelling techniques while the search for new methods are still continuing. In this thesis study, a large-scaled wastewater treatment plant (WWTP), namely Hurma (Antalya) WWTP, was modelled using two different modelling techniques: conventional activated sludge model ASM2 and an alternative modelling technique Artificial Neural Network (ANN). The purpose of using two different techniques is to analyze the advantages and disadvantages of both techniques and try to establish a basis for further studies that shall be carried out on this topic. The plant was modelled as a whole with ASM2. Upon building the hydraulic and kinetic model, the model was calibrated using real plant operating data. As a result, intermediate model results such as growth rate, aeration basin oxygen concentartion, sludge age and final model results such as effluent total nitrogen, total phosphorous and chemical oxygen demand concentrations were obtained. Correlation coefficients of model and target values for total nitrogen, total phosphorous and chemical oxygen demand concentrations were computed as 0.56, 0.38 and 0.41, respectively. However, model results for ANN studies which aimed to predict the chemical oxygen demand concentrations gave a better model performance with a correlation coefficient of 0.70 by using the same operational data of the plant. All applications carried out in order to achieve this result were gathered together by means of a pair of source codes wherever possible for similar ANN research studies. Thus, a systematic structure was developed which can be used in data-based environmental engineering applications. It was observed that both modelling techniques have some advantages and disadvantages. ASM2 approach is capable of modelling the activated sludge process as a whole, while developing and calibrating the model is difficult and take a long time. On the other hand, ANN approach is a much more easy-to-use technique. There is no need to know the inner structure of the phenomenon that is being modelled and it provides a more flexible modelling environment. Still, in order to use the ANN technique, the past data record of the system is needed and for this reason it is not possible to use this technique for design purposes.
Benzer Tezler
- Akdeniz bölgesine ait meteorolojik veriler kullanılarak yapay sinir ağları yardımıyla güneş enerjisinin tahmini
Estimation of the solar radiation using some meteorological data for the Mediterranean region with the artificial neural network
YÜKSEL OKUR
Yüksek Lisans
Türkçe
2016
Fizik ve Fizik MühendisliğiOsmaniye Korkut Ata ÜniversitesiFizik Ana Bilim Dalı
DOÇ. DR. MUHİTTİN ŞAHAN
- GNSS bazlı TEC değerlerinin modellenmesinde yapay sinir ağları ve regresyon tabanlı yöntemlerin performanslarının araştırılması
Investigation of the performance of artificial neural networks and regression based methods in modeling GNSS-based TEC values
DİLAN NACAR
Yüksek Lisans
Türkçe
2025
Jeodezi ve FotogrametriTokat Gaziosmanpaşa ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. SAMED İNYURT
- Yol aydınlatma sistemlerine ait etkinlik faktörlerinin ve parıltı düzgünlüğünün yapay sinir ağları ile tahmini
Estimation of efficacy factors and luminance smoothness of road lighting systems with artifical neural networks
ZÜLEYHA OK DAVARCI
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ŞAHİN
- Jeotermal ve güneş enerjisinin elektrik ve hidrojen üretimi, ısıtma ve soğutma için kullanılmasının yapay sinir ağları ile modellenmesi, termoekonomik analizi ve optimizasyonu
Artificial neural networks modeling and thermoeconomic analysis and optimization of geothermal and solar energy use in electricity and hydrogen generation, heating and cooling
OZAN ŞEN
Yüksek Lisans
Türkçe
2021
Makine MühendisliğiAfyon Kocatepe ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. CEYHUN YILMAZ
- Aydınlatmanın görüntü işleme problemlerine etkisinin yapay zeka teknikleri kullanılarak analizi
Analysis of the effect of lighting on image processing problems using artificial intelligence techniques
BİRKAN BÜYÜKARIKAN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN ÜLKER