Derin tekrarlayan sinir ağı yöntemleri ile Erzurum Biyolojik Atıksu Arıtma Tesisinin performans tahmini
Performance forecasting of biological wastewater treatment plant using deep recurrent neural network methods
- Tez No: 742784
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET COŞKUNÇAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin Öğrenme, RNN, LSTM, GRU, BOİ ve KOİ tahmini, BOİ, Evsel atık su, KOİ, Kentsel atık sular, Makine öğrenmesi yöntemleri, Yapay sinir ağları, Yapay zeka, Deep Learning, RNN, LSTM, GRU, BOD and COD prediction, BOD, Domestic sewage, COD, Municipal waste waters, Machine learning methods, Artificial neural networks, Artificial intelligence
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Atıksu arıtma tesislerinde arıtılmış suda bulunan KOİ ve BOİ miktarları, üretilen suyun kalitesinin ve tesisin işletim performansının kontrolü için kullanılabilecek önemli göstergelerdendir. Deneysel yollarla KOİ ve BOİ'nin ölçümü hem zahmetli hem de zaman alan bir işlemdir. Bu çalışmada Erzurum Biyolojik Atıksu Arıtma Tesisinin (ERBASAT) günlük laboratuvar ölçüm sonuçlarını kullanılarak, tesiste arıtılmış sudaki BOİ ve KOİ miktarlarının makine öğrenme yöntemleri ile tahminlemesi amaçlanmıştır. Arıtılmış sudaki BOİ ve KOİ parametrelerinin önceden tahmin edilmesi arıtma tesisinin yönetimi ve süreçlerin planlaması bakımından karar vericilere önemli faydalar kazandırıp, atık suyun etkin şekilde arıtılmasını sağlayacak ve halk sağlığı, etkin çevre yönetimi ve tesisin işletim maliyetinin düşürülmesi konularında kazanımlar sunacaktır. Yöntem: Çalışmada, BOİ ve KOİ miktarlarının tahmini için derin öğrenme yönteminin zaman serilerinin tahminlemesi için kullanılan modellerinden RNN LSTM ve GRU modelleri kullanılmıştır. Çalışmada kullanılan modeller 2 katmanlı olarak tasarlanmış ve modellere giriş parametresi olarak atıksu arıtma tesisinin atıksuyun arıtılması sırasında tesis akredite laboratuvarında yapılan 943 günlük ölçüm sonuçları kullanılmıştır. Oluşturulan modellerin tahmin değerleri ile gerçek değerlerin uyumluluğunun olduğunun kontrol edilmesi için MAE MSE, RMSE, MAPE ve R2 metrikleri kullanılmıştır. Bulgular: Çalışılan modeller içerisinde BOİ parametresini MAPE metriğine göre en yüksek doğrulukta GRU modeli %79,16 başarı ile; KOİ parametresini ise MAPE metriğine göre en yüksek doğrulukta LSTM modeli %79,04 başarı ile tahmin edebilmiştir. Sonuç: Çalışma sonunda, çalışılan RNN, LSTM ve GRU modellerin tahmin sonuçlarının tesis yönetimine yardımcı olacak doğrulukta olduğu, modellerin yüksek öğrenim hızına sahip olduğunu ve derin öğrenme modellerinin atıksu arıtma tesislerinin BOİ ve KOİ performans parametrelerinin tahmin edilmesinde kullanılabilecek alternatif bir yöntem olduğu gözlenmiştir.
Özet (Çeviri)
Purpose: The amounts of COD and BOD in the treated water in wastewater treatment plants are important indicators that can be used to control the quality of the water produced and the operating performance of the plant. The measurement of COD and BOD with experimental procedures is a laborious and time-consuming process. In this study, it is aimed to predict the amounts of BOD and COD in the treated water in WWTP with the help of machine learning methods by using daily laboratory measurement results of Erzurum Biological Wastewater Treatment Plant (ERBASAT). Predicting the BOD and COD parameters in the treated water in the plant will provide significant benefits to the decision makers in terms of the management of the treatment plant and the planning of the processes, and will provide effective treatment of wastewater and will offer gains in public health, effective environmental management and reducing the operating cost of the plant. Method: In the study, RNN LSTM and GRU models, which are time series models of the deep learning method, were used to estimate the amounts of BOD and COD. The models used in the study were designed as two layers and the 943-day measurement results obtained in the accredited plant laboratory during the treatment of WWTP's wastewater were used as the input parameter to the models. MAE MSE, RMSE, MAPE and R2 metrics were used to check the compatibility of the estimated values of the models with the actual values. Findings: Among the studied models, the GRU model was able to predict the BOD parameter with the highest accuracy of 79,16%, and the LSTM model was able to predict the COD parameter with the highest accuracy of 79,04% according to the MAPE metric. Results: At the end of the study, it has been observed that the estimation results of the studied RNN, LSTM and GRU models have higher learning speed, and accurate to help the plant management and those deep learning models are an alternative method that can be used to predict the BOD and COD performance parameters of wastewater treatment plants.
Benzer Tezler
- Derin öğrenmede tekrarlayan sinir ağları yaklaşımı ile hisse senedi fiyat tahmini
Stock price prediction with recurrent neural networks approach in deep learning
GÜLDENİZ CANATAN
Yüksek Lisans
Türkçe
2023
İstatistikÇukurova Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. GÜZİN YÜKSEL
- Kriz dönemlerinde yapay zekâ yöntemleri ile farklı amaç ve altyapıya sahip kripto para endeks tahmini ve karşılaştırması: Bitcoin ve Etheryum örneği
In crisis periods, artificial intelligence methods and cryptocurrency index estimation and comparison with different purposes and infrastructure: The example of Bitcoin and Ethereum
FÜSUN ŞENTÜRK
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriMuğla Sıtkı Koçman ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMER İLKUÇAR
- Probabilistic forecasting of multiple time series with single recurrent neural network
Bir özyineli sinir hücresi ağı ile çoklu zaman serilerinin olasılıksal tahminlenmesi
SARP TUĞBERK TOPALLAR
Yüksek Lisans
İngilizce
2022
İstatistikOrta Doğu Teknik ÜniversitesiBilimsel Hesaplama Ana Bilim Dalı
PROF. DR. CEYLAN YOZGATLIGİL
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Etkin sorgu önerileri için kullanıcı sorgularının görev tabanlı yönetilmesi
Task based management of user queries for effective query suggestions
NURULLAH ATEŞ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN