۳

MLVSS

۴

TDS

۵

PH

مدل‌های ارائه شده برای تمامی پارامتر های مدل سازی شده بر اساس شبکه عصبی با توابع پایه شعاعی (Radial basis function) بود که از تابع شبکه newrbe استفاده گردید. این شبکه دارای یک لایه ورودی و یک لایه خروجی بود که داده های آزمایشگاهی قبل از ورود به شبکه نرمال می‌شدند. همچنین داده های نرمال شده به دو دسته داده های تست (Test) و آموزش (Train) تقسیم بندی شده که ۷۰% از کل داده ها به طور تصادفی برای آموزش و ۳۰% برای تست مورد استفاده قرار می‌گرفت. به منظور کاهش خطا و ارائه نتایج بهتر شبکه مورد در یک حلقه یا لوپ طراحی گردید که تعداد این حلقه برای تحقیق صورت گرفته برابر ۳۰ در نظر گرفته شد. در حلقه مورد نظر شبکه ۳۰ بار به داده های ورودی اعمال شده و شبکه ای که کمترین خطا را محاسبه می‌کرد برای مدل سازی مورد نظر قرار می‌گرفت.

مدل سازی BOD خروجی
مدل‌های ارائه شده برای غلظت BOD خروجی در شکل ۵-۳۷ تا ۵-۳۹ ارائه گردیده است.

شکل( ‏۵‑۳۷)مدل مربوط به غلظت BOD خروجی برای داده های تست و مشخصات آن

شکل( ‏۵‑۳۸)مدل مربوط به غلظت BOD خروجی برای داده های آموزش و مشخصات آن

شکل( ‏۵‑۳۹)مدل مربوط به غلظت BOD خروجی برای داده های کل و مشخصات آن
با توجه به مدل‌های بدست آمده برای داده های تست و آموزش مربوط به غلظت خروجی BOD مشخص می‌گردد که این مدل‌ها به خوبی به مدل واقعی حاصل از داده های آزمایشگاهی منطبق شده و مقادیر مجذور میانگین مربعات خطا (RMSE)، وابستگی ®، میانگین خطا (μ) و انحراف معیار(?) همگی مقادیر قابل قبولی را برای مدل‌های مربوطه ارائه می‌کنند.
به منظور بررسی بیشتر مدل سازی انجام شده توسط شبکه عصبی مصنوعی با توابع شعاعی و همچنین تأثیر پارامترهای مختلف، برای هر پارامتر ورودی به طور جداگانه یک مدل ارائه گردید. با توجه به مشخصات مدل ارائه شده توسط هر پارامتر ورودی همانند ضریب همبستگی R و مقدار RMSE و نحوه انطباق منحنی می‌توان تأثیر هر پارامتر را بر مقدار غلظت BOD خروجی تفسیر نمود. مشخصات مربوط به مدل حاصل از ترکیب مختلف گروه پارامترها در جدول ۵-۲ تا ۵-۵ ارائه شده است. در جدول ۵-۲ مشخصات مدل‌های حاصل از پارامتر ها به صورت تکی ارائه شده است که بر اساس نتایج بدست آمده مشخص گردید که پارامتر یا متغییر شماره ۲ (زمان ماند هیدرولیکی، HRT) بیشترین وابستگی و تأثیر را در مقادیر غلظت BOD خروجی دارد.
جدول( ‏۵‑۲) مشخصات مربوط به مدل حاصل از متغییر های ورودی به صورت جداگانه

R

RMSE

میانگین خطا

انحراف معیار خطا

نوع داده

متغییر ورودی

۳۸۶/۰

۲۹/۵۷

۸۵/۱۰-

۲۲/۵۷

all

۳۰۱/۰