Atık su miktarının ARIMA ve yapay sinir ağları ile tahmini

Abstract

Atık su akış tahmini, atık su arıtma tesislerinin doğru ve etkin bir şekilde yönetimi için anahtar rol oynamaktadır. Kontrolsüz şehirleşme, nüfus artışları, iklim değişikliğinden kaynaklı aşırı yağışlar ve altyapı yetersizlikleri gibi nedenlerden kaynaklanan tutarsız veri ve belirsizlikler atık su akış tahminini güçleştirmektedir. Bu kapsamda uzun vadeli eğilimleri kapsayacak etkili tahmin modellerinin kullanılması ihtiyacı belirgin hale gelmiştir. Bu çalışmada Samsun’un Doğu İleri Biyolojik Atık Su Arıtma Tesisi için atık su akış miktarının bir zaman serisi analiz modeli olan ARIMA ve yapay sinir ağları ile tahmin edilmesi amaçlanmıştır. Bir yıllık süreye karşılık gelen günlük akış miktarı verileri kullanılan çalışmada modellerin performansları RMSE, MAE ve MAPE değerleri açısından karşılaştırılmıştır. ARIMA (2, 1, 2) modeli daha yüksek doğrulukta performans göstermiştir.

Wastewater flow estimation plays a key role for the accurate and efficient management of wastewater treatment plants. Inconsistent data and uncertainties arising from uncontrolled urbanization, population increases, excessive rainfall due to climate change and infrastructure deficiencies make wastewater flow forecasting difficult. In this context, the need to use effective forecasting models that will cover long-term trends has become evident. In this study, it is aimed to estimate the amount of wastewater flow for Samsun's East Advanced Biological Wastewater Treatment Plant with ARIMA, a time series analysis model, and artificial neural networks. Daily flow rate data corresponding to a period of one year were used and the performances of the models were compared in terms of RMSE, MAE and MAPE values. ARIMA (2, 1, 2) model showed higher accuracy.