Atıf Sayısı
3
Görüntüleme
10
İndirme
1
Bu çalışmada atıksu arıtma tesislerinden arıtıldıktan sonra alıcı deşarj ortamlarına verilen atıksuyun temizlik derecesinin Aşırı Öğrenme Makineleri (AÖM) algoritması ile tahmin edilmesi amaçlanmıştır. Bu amaçla, Su Kirliliği Kontrolü Yönetmeliği (SKKY) Tablo 21.1’de belirtilen parametreler için 2 saatlik kompozit numune sınır değerleri içerisinde kalan temiz suyun sınıflandırılması yapılmıştır. Öncelikle bu parametrelere ait alt ve üst sınır değerleri arasındaki tüm değerler 0 ile 1 arasında normalize edilmiştir. Ardından, parametrelerin en düşük ve en yüksek sonuç değerlerinin % 0 ile % 100 arasındaki yüzdelik oranlara sahip olduğu kabul edilmiştir. Daha sonra, bu yüzdelik oranlar eşit şekilde 1 ile 4 arasında matematiksel olarak sınıflandırılmıştır. Buna göre 1. sınıf çok temiz suyu ifade ederken, 4. sınıf az temiz suyu ifade etmektedir. Bu doğrultuda, AÖM ile sınıflandırma çalışması için birbirinden farklı 50 adet normal ölçüm sonucuna karşılık gelen normalize ve matematiksel sınıflandırma değerleri elde edilmiştir. Normalize değerler AÖM’nin eğitimi için giriş verisi olarak, matematiksel sınıflandırma değerleri ise çıkış verisi olarak kullanılmıştır. Buna karşılık bu parametreler için rastgele seçilen ve sınır değerler içerisindeki 10 adet ölçüm sonucuna karşılık gelen normalize değerler ise AÖM’nin test işleminde giriş verisi olarak kullanılmıştır. Son olarak, elde edilen tahmini ve matematiksel sınıflandırma sonuçları karşılaştırılarak AÖM’nin başarısı ölçülmüştür.
The purpose of this study is to estimate the cleaning degree of the waste given to the receiver discharge environments after the cleaning of the waste from the treatment facilities with the Algorithm of Excess Learning Machines (AÖM). For this purpose, the water pollution control regulation (SKKY) Table 21.1 has classified the remaining clean water within the 2 hour composite sample limit values for the parameters specified. First of all, all values between the lower and upper limit values of these parameters are normalized between 0 and 1. It was then assumed that the lowest and highest result values of the parameters had a percentage ratio between 0 and 100%. Then, these percentage rates are equally classified mathematically between 1 and 4. According to 1. Class 4 means very clean water, while Class 4 means less clean water. In this regard, normalization and mathematical classification values corresponding to the result of 50 different normal measurements for the classification work with AÖM have been obtained. Normalized values are used as input data for the training of AÖM, while mathematical classification values are used as output data. In contrast, the normalized values randomly selected for these parameters and corresponding to the 10 measurement results within the limit values were used as input data in the test process of the AÖM. Finally, the success of AÖM was measured by comparing the achieved predictions and mathematical classification results.
In this study, it is aimed to estimate degree of cleanliness of wastewater given to receiving discharge environment after purification from wastewater treatment plants by Extreme Learning Machines (ELM) algorithm. Parameters that specified in Table 21.1 of Water Pollution Control Regulation were taken into account. For this purpose, clean water remaining within 2 hours composite sample limit values was classified. First, all values between lower and upper limit values of these parameters were normalized between 0 and 1. Subsequently, it was assumed that minimum and maximum result values of parameters were between 0% and 100%. After that, these percentage ratios were classified mathematically between 1 and 4 in equal proportions. According to this, the 1st class refers to very clean water, while the 4th class refers to less clean water. In this respect, normalized and mathematical classification values corresponding to 50 normal measurement results were obtained for classification study with ELM. Normalized values were used as input data for training of ELM and mathematical classification values were used as output data. On the other hand, normalized values corresponding to 10 measurement results within limit values selected randomly for these parameters were used as input data in test procedure of ELM. Finally, success of ELM was measured by comparing estimated and mathematical classification results.
Alan : Mimarlık, Planlama ve Tasarım; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
