تقدير الجرعة الأمثل من مخثر الشبة في محطات تنقية مياه الشرب باستخدام برمجة التعبير الجيني
محتوى المقالة الرئيسي
الملخص
يعد التخثير من أهم العمليات في محطات تنقية مياه الشرب، ان استخدام مخثر الشبة يؤدي الى زيادة تركيز الألمنيوم المتبقي في المياه، والذي تم ربطه في العديد من الدراسات بمرض الزهايمر. لذلك فإنه من المهم استخدامه في الجرع الأمثل. في هذه الدراسة، تم إجراء أربع مراحل من التجارب لتحديد تأثير مواصفات المياه الخام، مثل: العكارة، pH، القلوية والحرارة على الجرعة الأمثل من مخثر الشبة [ .14 O] للحصول على علاقة رياضية تمكن من الاستغناء عن الحاجة لتجارب الجرة. تم إجراء التجارب بظروف مختلفة وعلى مدى فصول السنة، وتم تحديد الجرعة الأمثل لكل دورة من التجارب لتشكيل نموذج يعتمد على التعابير الجينية.تم بناء النموذج عن طريق بيانات مواصفات المياه: العكارة، pH، الحرارة والقلوية للتنبؤ بقيمة جرعة الشبة الأمثل اللازمة، النموذج الذي تم الحصول عليه أعطى نتائج جيدة بمعامل ارتباط 0.91 ومربع جذر الأخطاء 1.8. تمت مقارنة النتائج مع نموذج انحدار خطي والذي لم يكن كافيا لإعطاء نتائج جيدة نظرا لطبيعة العلاقة الغير خطية المعقدة. سلاسل أخرى من التجارب تم القيام بها لتحديد الجرعة الأمثل اللازمة أثناء حدوث الفيضانات والتي تصل فيها قيم عكارة الى قيم عالية مع دراسة استخدام النشاء كمادة مساعدة للتخثير، تم الحصول على نموذج جيد للتنبؤ، بقيمة معامل 0.92 وجذر مربعات أخطاء 5.1.
Received 29/6/2021
Accepted 12/8/2021
Published Online First 20/3/2022
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Haghiri S, Daghighi A, Moharramzadeh S. Optimum coagulant forecasting by modeling jar test experiments using ANNs. Drink. Water Eng Sci. 2018; 11(1): 1-8. http://dx.doi.org/10.5194/dwes-11-1-2018
El-Chaghaby G, Rashad S, Moneem M A. Seasonal variation and correlation between the physical, chemical and microbiological parameters of Nile water in selected area in Egypt (Case study): physical, chemical and microbiological parameters of Nile water. Baghdad Sci J, 2020; 17(4): 1160-1160.
Song C, Zhang H. Study on turbidity prediction method of reservoirs based on long short term. Ecol Modell. 2020; 432. https://doi.org/10.1016/j.ecolmodel.2020.109210
Saritha V, Srinivas N, Srikanth Vuppala NV. Analysis and optimization of coagulation and flocculation process. Appl Water Sci. 2017;7(1): 451-460.
Al-Baidhani JH, Alameedee MA. Prediction of water treatment plant outlet turbidity using artificial neural network. Int J Curr Eng Sci. 2017; 7(4): 1559-1565.
Lanciné G D, Bamory K, Raymond L, Jean-Luc S, Christelle B, Jean B. Coagulation-Flocculation treatment of a tropical surface water with alum for dissolved organic matter (DOM) removal: Influence of alum dose and pH adjustment. J Int Environ Appl Sci. 2008; 3(4): 247-257.
Alsaeed R, Alaji B, Ebrahim M: Predicting turbidity and Aluminum in drinking water treatment plants using Hybrid Network (GA- ANN) and GEP, Drink. Water Eng Sci Discuss. in review, 2021:1-17. https://doi.org/10.5194/dwes-2021-8.
Dentel, Steven K., and James M. Gossett. Mechanisms of coagulation with aluminum salts. J Am Water Works Ass. 1988;80(4): 187-198.
Mackenzie L Davis. Water and wastewater engineering: design principles and practice. McGraw-Hill Education, 2010: 6-15.
Hassan F M, Naji H F, Al-Azawey E S. The study of some physical and chemical characteristics in drinking water treatment plant of Jurf Al-Sakar Subdestric in Babylon Governorate, Iraq. Baghdad Sci J. 2007; 4(3): 338-343.
Al-Kenzawi M A, Al-Haidary M J, Talib A H, Karomi M F. Environmental Study of Some Water Characteristics at Um-Al-Naaj Marsh, South of Iraq. Baghdad Sci. J. 2011; 8(1): 531-538.
Kim C M, Parnichkun M. Prediction of settled water turbidity and optimal coagulant dosage in drinking water treatment plant using a hybrid model of k-means clustering and adaptive neuro-fuzzy inference system. Appl Water Sci,2020; 7(7): 3885-3902. DOI 10.1007/s13201-017-0541-5.
Abba S I, Rabiu Aliyu Abdulkadir, Gaya M S, Saleh M, Parveneh Esmaili, Mustapha Bala Jibril. Neuro-fuzzy ensemble techniques for the prediction of turbidity in water treatment plant. 2nd International Conference of the IEEE Nigeria Computer Chapter. (Nigeria Comput Conf).IEEE.2019:1-6. DOI:10.1109/NigeriaComputConf45974.2019.8949629
Heddam S. Extremely Randomized Tree: A New Machines Learning Method for predicting Coagulant Dosage in Drinking Water Treatment Plant. Water Engineering Modelling and Mathematic Tools. Chennai: Elsevier, 2021: 475-4902021. https://doi.org/10.1016/B978-0-12-820644-7.00013-X.
Heddam S, Bermad A, Dechemi N. Applications of Radial Basis Function and Generalized Regression Neural Networks for Modelling of Coagulant dosage in a Drinking Water Treatment: Comparative Study. ASCE J Environ Eng. 2011; 137(12):1209-1214. DOI: 10.1061/(ASCE)EE.1943-7870.0000435
León-Luque A J, Barajas C L, Peña-Guzmán C A. Determination of the optimal dosage of aluminum sulfate in the coagulation-flocculation process using an artificial neural network. Int J Environ Sci. Dev.2016; 7(5): 346.