ESTIMATION OF EFFLUENT PARAMETERS AND EFFICIENCY FOR ADAPAZARI URBAN WASTEWATER TREATMENT PLANT BY ARTIFICIAL NEURAL NETWORK

Transkript

1 ESTIMATION OF EFFLUENT PARAMETERS AND EFFICIENCY FOR ADAPAZARI URBAN WASTEWATER TREATMENT PLANT BY ARTIFICIAL NEURAL NETWORK ADAPAZARI KENTSEL ATIKSU ARITMA TESĐSĐ ÇIKIŞ SUYU PARAMETRELERĐ VE VERĐM DEĞERLERĐNĐN YAPAY SĐNĐR AĞLARI ĐLE TAHMĐN EDĐLMESĐ 1 Sebile AÇIKALIN, 1 Recep ĐLERĐ, 2 Rüstem KELEŞ ÖZET: Biyolojik oksijen ihtiyacı (BOĐ), kimyasal oksijen ihtiyacı (KOĐ) ve askıda katı madde (AKM) kentsel atıksu arıtma sistemlerinin performansının ölçülmesinde kullanılan önemli parametrelerdir. Bu çalışmada, atıksu arıtma tesisi kirlilik parametrelerinden biyolojik oksijen ihtiyacı (BOĐ), kimyasal oksijen ihtiyacı (KOĐ) ve askıda katı madde (AKM) çıkış değerlerini tahmin etmek için Yapay Sinir Ağları (YSA) metodu kullanılmıştır. Model geliştirmede kullanılan veriler, atıksu sıcaklığı, ph, ortalama debi, KOĐ, BOĐ ve AKM parametrelerinden oluşmaktadır. Adapazarı Kentsel Atıksu Arıtma Tesisi verileri kullanılarak oluşturulan modellerden Çok Katmanlı Algılayıcı (ÇKA) modeli gerçek verilere oldukça iyi bir sonuçla uyum sağlamıştır. Anahtar Kelimeler : Kentsel Atıksu Arıtma, Parametre, Yapay Sinir Ağları, Çok Katmanlı Algılayıcı ABSTRACT: Biological oxygen demand (BOD), chemical oxygen demand (COD) and suspended solids (SS) are parameters which are used for measuring the performance of urban wastewater treatment system. In this study, Artificial Neural Network (ANN) model is used to estimate the effluent of the BOD, COD, SS which are the pollution parameters of wastewater treatment plant. The data which are used to develop the model consists of parametres that are the temperature of the wastewater, ph, mean flowrate, BOD, COD and SS. Multilayer Perceptron model which was formed by using data for Adapazarı urban wastewater treatment plant is suitable with the real data. Key Words : Urban Wastewater Treatment, Parameter, Artificial Neural Network, Multilayer Perceptron Sakarya Üniversitesi, Müh. Fak., Çevre Müh Bölümü, Esentepe Kampusü, Sakarya 2 Adapazarı Su ve Kanalizasyon Đdaresi (ADASU), Genel Müdürlüğü, Sakarya sebileacikalin@gmail.com, ileri@sakarya.edu.tr, adasu@adasu.gov.tr

2 1. GĐRĐŞ Biyolojik Oksijen Đhtiyacı (BOĐ), Kimyasal Oksijen Đhtiyacı (KOĐ) ve Askıda Katı Madde (AKM) parametreleri, arıtma sistemlerinin tasarımı ve işletilmesi, alıcı ortama atıksu deşarj limitlerine uygunluğunun kontrol edilmesi ve arıtma sistemlerinin performansının ölçülmesinde kullanılmakta olan önemli parametrelerdir. Bu parametrelerin Su Kirliliği Kontrol yönetmeliğine uygun değerlerde olması gerekmektedir. Arıtma tesisi sayısının ve arıtma kavramının öneminin her geçen gün artması kirletici parametrelerin tahmininde ve analizinde alternatif yöntemlere başvurmayı gerekli kılmaktadır. Atıksu arıtma tesisleri giriş parametrelerinin büyük değişimler göstermesi, bu tesislerin optimum performansta işletilmesini zorlaştırmaktadır. Bu atıksu arıtma tesislerinin optimum işletilmesi amacıyla özellikle son 1-15 yılda çeşitli araçlar geliştirilmeye çalışılmaktadır. Bu araçlardan şu anda en yaygın olarak kullanılanı, matematiksel olarak geliştirilmiş ve matris şeklinde düzenlenmiş diferansiyel denklemlerden oluşan aktif çamur modelleridir yılından itibaren IAWQ (International Association of Water Quality) organizasyonu aracılığıyla Aktif Çamur modelleri geliştirilmesine rağmen bu modellerin halen bazı zayıf noktaları ve dezavantajları bulunmaktadır. Bu nedenle, geliştirilen bu matematik modellere alternatif olarak, arıtma tesislerinde son yıllarda daha genel olarak kullanım alanı olan ve sinir ağlarını temel alan yapay zeka teknikleri kullanılmaya başlanmış ve başarılı sonuçlar alınmıştır[1]. Yapay sinir ağları (YSA), insan beyninin özelliklerinden olan öğrenme yolu ile yeni bilgiler üretebilme, yeni bilgiler oluşturabilme ve keşfedebilme gibi yetenekleri herhangi bir yardım almadan otomatik olarak gerçekleştirmek amacı ile geliştirilen bilgisayar sistemleridir. Bu yetenekleri geleneksel programlama yöntemleri ile gerçekleştirmek oldukça zor veya mümkün değildir. O nedenle, yapay sinir ağlarının, programlanması çok zor veya mümkün olmayan olaylar için geliştirilmiş adaptif bilgi işleme ile ilgilenen bir bilgisayar bilim dalı olduğu söylenebilir[2]. Bir yapay sinir ağının öğrenmesi istenen olayların girdi ve çıktıları arasındaki ilişkiler doğrusal olmayan ilişkiler olduğunda Çok Katmanlı Algılayıcı (ÇKA) modeli kullanılabilir. Arıtma tesisine gelen kirlilik yükü sabit olarak gelmediği ve parametreler arasındaki ilişki denklemlerle ifade edilemediğinden çok katmanlı algılayıcı modeli ile çalışılmıştır[2]. Bu çalışmanın amacı, Adapazarı kentsel atıksu arıtma tesisi verileri [3] kullanılarak yapay sinir ağları (YSA) modeliyle BOĐ, KOĐ ve AKM çıkış değerlerini tahmin etmektir. Girdi olarak atıksu sıcaklığı, ph, ortalama debi, KOĐ giriş, AKM giriş ve BOĐ giriş değerleri kullanılarak BOĐ, KOĐ ve AKM çıkış değerleri için modeller oluşturulmuş ve yaklaşık değerlere ulaşılmıştır. 2. MATERYAL VE METOD Bu çalışma kapsamında, atıksu arıtma tesisi kirlilik parametreleri çıkış değerleri ağa öğretilmeye çalışılmıştır. Bu işlem sırasında ağın verilen değerlere göre tahminde bulunmak durumunda olması nedeniyle, amaca yönelik ağın ÇKA ağı olduğuna karar verilmiştir. BOĐ, KOĐ ve AKM değerleri için ayrı ayrı modeller oluşturulmuştur. ÇKA ağında bilgiler girdi katmanından ağa sunulur ve ara katmanlardan geçerek çıktı katmanına gider ve ağa sunulan girdilere karşılık ağın cevabı dış dünyaya iletilir.

3 Şekil 1. ÇKA modeli [2] ÇKA ağı öğretmenli öğrenme stratejisini kullanır. Ağa, hem örnekler hem de örneklerden elde edilmesi gereken çıktılar (beklenen çıktı) verilmektedir. Ağ kendisine gösterilen örneklerden genellemeler yaparak problem uzayını temsil eden bir çözüm uzayı üretmektedir. Basit bir anlatımla ÇKA, eğitim seti olarak öğrendiği bilgileri test setinde bize sunmaktadır. Bu çalışmada, YSA simülatörlerinden Neurosolutions deneme sürümü kullanılmıştır. Program içerdiği çok sayıda ağ çeşidi ve Microsoft Excel programı ile ortak çalışabilmesi nedeniyle tercih edilmiştir. Uygulamalarda simülatör içerisindeki Multilayer Perceptron (Çok katmanlı algılayıcı), Generalized Feed Forward (Genellenmiş ileri besleme) ve Modular Neural Network (Modüler sinir ağı) modelleri ÇKA yapısındadır. Ancak, yapılan denemelerde en iyi sonucu Multilayer Perceptron (MLP) vermiştir. BOĐ için oluşturulan modellerde girdi olarak atıksu sıcaklığı, ph, ortalama debi, BOĐ giriş, AKM giriş ve KOĐ giriş değerleri kullanılmış, çıktı olarak BOĐ çıkış değeri istenmiştir. BOĐ değerleri 5 günlük analiz sürecinde ölçülmüş olduğu için, yeterli veri sağlamak amacıyla 3 yıllık değerler kullanılmıştır. 24, 25 ve 26 verilerinden elde edilen 123 verinin 8 adedi eğitim setinde, 43 adedi ise test setinde kullanılmıştır. Yapılan çalışmalarda optimum sonuca iterasyon değeri sonunda, iki gizli katman ve bir katmanda üç diğerinde yedi işlem elemanı kullanılarak ulaşılmıştır. YSA sonuçları ile gerçek çıktıların karşılaştırılması Şekil 2 de görülmektedir. BOĐ Çıkış (mg/lt) BOĐ ÇIKIŞ BOĐ ÇIKIŞ TAHMĐN Şekil 2. BOĐ Çıkış değerleri ile tahmin değerlerinin karşılaştırılması

4 2 18 YSA Sonucu R 2 =,8415 BOĐ ÇIKIŞ TAHMĐN Doğrusal (BOĐ ÇIKIŞ TAHMĐN) Đstenilen Sonuç Şekil 3. YSA- istenen sonuçların BOĐ test seti için x = y grafiği üzerinde gösterimi KOĐ ve AKM için oluşturulan modellerde girdi olarak atıksu sıcaklığı, ph, ortalama debi, AKM giriş ve KOĐ giriş değerleri kullanılmıştır. BOĐ değerleri az olduğu için bu uygulamalarda kullanılmamıştır. Bunun nedeni kullanılan veriler arttıkça eğitimin daha iyi gerçekleşmesidir. 26 yılı verilerinden elde edilen 265 verinin 18 adedi eğitim setinde 85 adedi ise test setinde kullanılmıştır. Yapılan çalışmalarda KOĐ çıkış değeri için optimum sonuca iterasyon değeri sonunda, iki gizli katman ve bir katmanda iki diğerinde altı işlem elemanı kullanılarak ulaşılmıştır. YSA sonuçları ile gerçek çıktıların karşılaştırılması Şekil 4 de görülmektedir. 7 6 KOĐ Çıkış (mg/lt) KOĐ ÇIKIŞ KOĐ ÇIKIŞ TAHMĐN Şekil 4. KOĐ Çıkış değerleri ile tahmin değerlerinin karşılaştırılması

5 7 YSA Sonucu R 2 =,8765 KOĐ ÇIKIŞ TAHMĐN Doğrusal (KOĐ ÇIKIŞ TAHMĐN) Đstenilen Sonuç Şekil 5. YSA- istenen sonuçların KOĐ test seti için x = y grafiği üzerinde gösterimi 26 yılı verilerinden elde edilen 265 verinin 18 adedi eğitim setinde 85 adedi ise test setinde kullanılmıştır. Yapılan çalışmalarda AKM çıkış değeri için optimum sonuca iterasyon değeri sonunda, iki gizli katman ve bir katmanda beş diğerinde üç işlem elemanı kullanılarak ulaşılmıştır.ysa sonuçları ile gerçek çıktıların karşılaştırılması Şekil 6 da görülmektedir AKM Çıkış (mg/lt) AKM ÇIKIŞ AKM ÇIKIŞ TAHMĐN Şekil 6. AKM Çıkış değerleri ile tahmin değerlerinin karşılaştırılması 25 2 R 2 =,9383 YSA Sonucu AKM ÇIKIŞ TAHMĐN Doğrusal (AKM ÇIKIŞ TAHMĐN) Đstenilen Sonuç Şekil 7. YSA- istenen sonuçların AKM test seti için x = y grafiği üzerinde gösterimi

6 BOĐ, KOĐ ve AKM arıtma verimleri için; aşağıdaki verim formülü kullanılarak gerçek değerler ve programın bulduğu değerler için verim ayrı ayrı hesaplanmıştır. E = So S So e x 1 [4] E = Verim % S o = Giriş değeri S e = Çıkış değeri Karşılaştırmalar Şekil 8, Şekil 9 ve Şekil 1 daki grafiklerde gösterilmiştir % Verim VERĐM GERÇEK VERĐM YSA Şekil 8. BOĐ için YSA çıktılarıyla hesaplanan verim ile gerçek verimin karşılaştırılması 1 95 % Verim 9 85 VERĐM GERÇEK VERĐM YSA Şekil 9. KOĐ için YSA çıktılarıyla hesaplanan verim ile gerçek verimin karşılaştırılması

7 % Verim VERĐM GERÇEK VERĐM YSA Şekil 1. AKM için YSA çıktılarıyla hesaplanan verim ile gerçek verimin karşılaştırılması 3. SONUÇ VE DEĞERLENDĐRME Arıtma verimine etki eden parametrelerin bilinmesi ile (YSA girdi parametreleri), yeni ve daha fazla deneysel çalışma yapmadan, eğitilmiş ve test edilmiş YSA analizini kullanarak yeni teorik çıktı ve verim değerleri üretilebilmektedir. Sonuç olarak; Yapay Sinir Ağları (YSA), Adapazarı Kentsel Atıksu Arıtma Tesisi çıkış suyu parametreleri (KOĐ, BOĐ, AKM) ve buna bağlı verim değerlerinin tahmin edilmesinde etkin bir yöntemdir. YSA analizi; fazla deneysel çalışma yapmanın hem maliyetli, hem de zaman alıcı olmasından dolayı, çevre mühendisliği ile ilgili atıksu arıtma tesisi çıkış parametrelerinin ve veriminin tahmininde kullanılabilecek, ekonomik ve faydalı bir yöntemdir. Yapılan çalışmalar sonucunda Adapazarı Kentsel Atıksu Arıtma Tesisi verileri kullanılarak oluşturulan modellerden Çok Katmanlı Algılayıcı (ÇKA) modeli gerçek verilere oldukça iyi bir sonuçla uyum sağlamıştır. Verim formülü kullanılarak gerçek değerler ve programın bulduğu tahmini değerler için verim ayrı ayrı hesaplanmıştır. Grafiklerde karşılaştırılması yapılan YSA ile bulunan tahmini (teorik) ve gerçek (deneysel) verim değerlerinin birbiriyle uyum içerisinde olduğu görülmüştür. Yapılan çalışmaların analizinde YSA modelleri kullanılarak verimli sonuçlara ulaşılabilir. Farklı parametrelerin birbirleriyle ilişkisi denklemle ifade edilemediğinde YSA gibi karmaşık sistemle sonuç aramak mantıklı olacaktır. Bunun için düzenli olarak hazırlanmış verilere ve doğru yapılmış ölçümlere ihtiyaç vardır. YSA için toplanan veriler ne kadar uygun koşullarda ve iyi test cihazları ile elde edilirse o kadar doğru verilere ulaşılacak ve böylece ağdan elde edilen sonuçlar da gerçeğe yaklaşacaktır. Çevre mühendisliğinde verilerin analizinde YSA metoduyla girdi ve çıktılar tanımlanarak çıkış değerlerinin tahmini sağlanabilmektedir. Đlerleyen çalışmalarda YSA metodu kulanılarak, eksik girdi ve bilinmeyen değerlerin tahminine yönelik analizler yapılabilir. KAYNAKLAR [1] ÇINAR, Ö., YILMAZ, A., Yapay Sinir Ağlarının Atıksu Arıtma Tesisi Đşletimine Uygulanması: Bir Örnek Çalışma, KSÜ. Fen ve Mühendislik Dergisi, 8(2)-25

8 [2] ÖZTEMEL, E., Yapay Sinir Ağları, Papatya Yayınevi, Đstanbul, 23. [3] Adapazarı Karaman Kentsel Atıksu Arıtma Tesisi verileri, şahsi görüşme, Adasu Genel Müdürlüğü, Adapazarı, 26. [4] METCALF&EDDY INC Revised By George Tchobanoglus, Wastewater Engineering Treatment Disp Sal, Tata McGraw-Hill Publishing Company Ltd