بررسی کارایی تصفیه‌خانۀ فاضلاب تبریز با استفاده از مدل‌های هوش مصنوعی

اصغری‌مقدم، الف.، ندیری، ع.، فیجانی، الف. 1388. استفاده از مدل‌های شبکه‌های عصبی مصنوعی و زمین‌آمار برای پیش‌بینی مکانی غلظت فلوئورید، مجلة دانش آب- خاک، سال دوم، شمارۀ 1/19، صص 129- 145.

بینا، ب.، موحدیان، ح.، پورزمانی، ح . ر. 1384. بررسی تأثیر نسبت COD/N ورودی بر سرعت نیتریفیکاسیون در تصفیۀ فاضلاب با استفاده از یک راکتور پایلوت در مقیاس آزمایشگاه، مجلۀ آب و فاضلاب، سال شانزدهم، شمارۀ 1، صص30- 36.

ترابیان، ع.، مطلبی، م. 1382. طرح مدیریتی استفادۀ مجدد از پساب تصفیه‌شده (مطالعۀ موردی: شهرک اکباتان)، مجلۀ محیط‌شناسی، سال بیست و نهم، شمارۀ 32، صص57- 62.

توکلی، م.، جهانی بهنمیری، ا.، محمودی، ش. 1390. برنامه‌ریزی و مدیریت طرح‌های استفادۀ مجدد از فاضلاب‌های تصفیه‌شده، چاپ اول، چاپ شرکت مدیریت منابع آب ایران.

خلیلی، ن.، خداشناس، س.، داوری، ک.، و موسوی بایگی. م. 1385. پیش‌بینی بارش ماهانه با استفاده از شبکه‌های عصبی مصنوعی، علوم و صنایع کشاورزی، سال بیست و دوم، شمارۀ 1، صص 89- 100.

ذوقی، م. ج.، ذوقی، ت.، سعیدی، م. 1389. پیش‌بینی غلظت آمونیوم و مواد آلی فاضلاب دفنگاه زباله با استفاده از شبکۀ عصبی مصنوعی، مجلۀ آب و فاضلاب، شمارۀ 74، دورۀ 21، صص ۵۲- 60.

رجبی، م.، بهلولی، ب.، محمدی‌نیا، م.، و غلامپور آهنگر، الف. 1390. پیش‌بینی سرعت موج برشی از نگارهای تخلخل به وسیلۀ روش‌های منطق فازی و عصبی- فازی در یکی از مخازن کربناتی جنوب ایران، مجلۀ علوم زمین، سال بیستم، شمارۀ 80، صص 63- 70.

رجبی، م.، بهلولی، ب.، موسوی، س. ج. 1388. تخمین سرعت موج استونلی از نگارهای پتروفیزیکی با استفاده از ماشین مشاورۀ هوشمند در سازند سروک، دشت آبادان، مجلۀ علوم دانشگاه تهران، جلد سی و پنجم، شمارۀ 2، صص 1- 10.

رفعت‌متولی، ف.، دانش، ش.، رجبی‌مشهدی، ح. 1391. بررسی امکان کاربری مدل شبکۀ عصبی مصنوعی در پیش‌بینی کیفیت پساب خروجی تصفیه‌خانه‌های فاضلاب نیمه‌مکانیکال، همایش ملی سنجش و مدل‌سازی محیط، دانشگاه تهران.

رنگ‌زن، ن.، پاینده، خ.، لندی، ا. 1385. بررسی کیفیت پساب بر انباشت عناصر سنگین در دو گیاه سورگوم و شبدر، نهمین کنگرۀ علوم خاک ایران، تهران.

روستایی، س.، شکرانه، ف.، رحیم‌پور بناب، ح. و کدخدایی ایلخچی، ع. 1388. تخمین تراوایی توسط تکنیک منطق فازی و روش‌های آماری در میدان گاز پارس جنوبی، مجلۀ اکتشاف و تولید، شمارۀ 59، صص 42- 45.

زارع‌ابیانه، ح.، بیات ورکشی، م.، بیات‌ورکشی، ج. 1391. کاربرد شبکۀ عصبی مصنوعی در ارزیابی تصفیه‌خانۀ فاضلاب اکباتان، مجلۀ محیط‌شناسی، سال سی و هشتم، شمارۀ 3، صص 85- 98.

صفوی، ح. ر. 1389. پیش‌بینی کیفی رودخانه‌ها با استفاده از سیستم استنتاج فازی- عصبی تطبیقی، محیط‌شناسی، جلد 1، شمارۀ 53، صص 1- 10.

طاهریون، م. 1385. شبکه‌های عصبی مصنوعی و کاربرد آن در مهندسی محیط‌زیست، اولین همایش تخصصی مهندسی محیط‌زیست، دانشگاه تهران.

فلاح‌قالهری، غ.، موسوی‌بایگی، س. م.، حبیبی‌نوخندان، م. 1388. مقایسۀ نتایج به‌دست‌آمده از کاربرد سیستم استنباط فازی ممدانی و شبکه‌های عصبی مصنوعی در پیش‌بینی بارش فصلی، مطالعۀ موردی: منطقۀ خراسان، مجلۀ تحقیقات منابع آب ایران، سال پنجم، شمارۀ 2، صص 40- 52.

محوی، ا. ح.، رجبی‌زاده، ا.، احمدیان، م.، و فاتحی‌زاده.، ع. 1388. بررسی وضعیت تصفیۀ فاضلاب و کیفیت پساب خروجی بیمارستان‌های استان کرمان در سال‌های 84- 86، دوازدهمین همایش بهداشت محیط ایران دانشگاه علوم پزشکی شهید بهشتی دانشکدة بهداشت.

مرادمند، م.، بیگی‌هرچگانی، ح. 1388. اثر آبیاری با پساب تصفیه‌شده بر توزیع سرب و نیکل در اندام فلفل سبز و خاک، مجلۀ پژوهش آب ایران، دورۀ سوم، شمارۀ 5، صص 63- 70.

مشاور یکم، مهندسین مشاور. 1391. مطالعات آب زیرزمینی دشت تبریز، سازمان آب منطقه‌ای استان آذربایجان شرقی.

مشاور یکم، مهندسین مشاور. 1384. مطالعات زیست‌محیطی استفادۀ مجدد از پساب تصفیه‌خانۀ فاضلاب تبریز، جلد دوم، مطالعات زیست‌محیطی، امور محیط‌زیست.

میران‌زاده، م. ب.، بابامیر، ش. 1382. بررسی کارایی تصفیه‌خانۀ فاضلاب شهرک اکباتان تهران طی سال‌های 79- 80، فصلنامۀ علمی- پژوهشی فیض، شمارۀ 25، صص 40- 47.

ندیری، ع.، اصغری‌مقدم، الف.، عبقری، ه.، فیجانی،. الف. 1392. توسعۀ مدل‌های هوش مصنوعی مرکب در برآورد قابلیت انتقال آبخوان، مطالعۀ موردی: دشت تسوج، تحقیقات منابع آب ایران، سال نهم، شمارۀ 1، صص 1- 14.

ندیری، ع.، اصغری‌مقدم، الف.، عبقری، ه. 1393. مدل منطق فازی مرکب نظارت‌شده در تخمین قابلیت انتقال آبخوان‌ها، مطالعۀ موردی: دشت تسوج، شمارۀ 1، صص 219- 233.

ASCE Task Committee and Govindaraju, R. S. 2000. Artificial neural network in hydrology (part II). Hydrologic Applications, Journal of Hydrologic Engineering, Vol. 5(2),pp: 124- 137.

Chan, C.W. and Huang, G.H. 2003. Artificial intelligence for management and control of pollution minimization and mitigation processes, Journal of Engineering Applications of Artificial Intelligence, Vol. 16(2), pp:75 –90.

Chan, C.W., Chang, N.B. and Shieh, W.K. 2001.Advanced hybrid fuzzy- neural controller for industrial wastewater treatment, Journal of Environmental Engineering,Vol. 127(11), pp:1048–1050.

Choi, D. and Park, H. 2001. A hybrid artificial neural network as a software sensor for optimal control of a wastewater treatment process, Journal of Water Research. Vol. 35(16), pp:3959–3967.

Dogan, E. Ates, A. Yilmaz, E.C. and Eren, B. 2008. Application of Artificial Neural Networks to Estimate Wastewater Treatment Plant Inlet Biochemical Oxygen Demand, Journal of Environmental Progress, Vol. 27(4), pp:439-446.

Erdirencelebi, D. and Yalpir, S. 2011. Adaptive network fuzzy inference system modeling for the input selection and prediction of anaerobic digestion effluent quality, Journal of Applied Mathematical Modelling, Vol. 35(8), pp:3821- 3832.

Esra, Y. and sukran, Y. 2011. Prediction of primary treatment effluent parameters by Fuzzy Inference System (FIS) approach, Journal of Procedia Computer Science, Vol. 3, pp:659–665.

Fijani, E., Nadiri, A.A., Asghari Moghaddam, A., Tsai, F.T.C. and Dixon, B. 2013. Optimization of DRASTIC method by supervised committee machine artificial intelligence to assess groundwater vulnerability for Maragheh–Bonab plain aquifer, Iran. Journal of Hydrology, 503(0): 89-100.

Grande, J. A., Manuel Andujar, J., Beltran, R., de la Torre, M.L., Ceron, J. C. and Gomez, T.2010. Fuzzy modeling of the spatial evolution of the chemistry in the Tinto River (SW Spain), Journal of Water Resources Management, Vol. 24(12), pp:3219-3235.

Hamed, M., Khalafallah, M.G. and Hassanein, E.A. 2004. Prediction of wastewater treatment plant performance using artificial neural network, Journal of Environmental Modeling and Software, Vol. 19 (10), pp:919–928.

Hong, Y. T., Rosen M.R. and Bhamidimarri R. 2003. Analysis of a municipal wastewater treatment plant using a neural network-based pattern analysis, Journal of Water Research, Vol. 37 (7), pp:1608–1618.

Hopfield, J.J. 1982. Neural network and physical systems with emergent collective computational abilities, Proc. Nat. Academy of scientists of the United States of America (PNAS), Vol. 79(8), pp:2554-2558.

Jalili-Ghazizade, M. and Noori, R. 2008. Prediction of municipal solid waste generation by use of artificial neural network: a case study of Mashhad, International Journal of Environmental Research, Vol. 2(1), pp:13-22.

Kadkhodaie-Ilkhchi, A. andAmini, A. 2009. A fuzzy logic approach to estimating hydraulic flow units from well log data: A case study from the Ahwaz oilfield, South Iran, Journal of Petroleum Geology, Vol. 32(1), pp:67-78.

Mamdani, E.H., 1976. Advances in the linguistic synthesis of fuzzy controllers. International Journal of Man-Machine Studies, Vol.8, pp: 669–678.

Mamdani, E.H., 1977. Applications of fuzzy logic to approximate reasoning using linguistic synthesis. IEEE Transactions on Computers, Vol. 26, pp:1182–1191.

Mamdani, E.H., Assilian, S., 1975. An experimental in linguistic synthesis with a fuzzy logic control. International Journal of Man-Machine Studies, Vol. 7: pp:1–13.

Mingzhi, H., Ma, Y., Jinquan, W. and Yan, W. 2009. Simulation of a paper mill wastewater treatment using a fuzzy neural network, Journal of Expert Systems with Applications, Vol. 36(3), pp:5064-5070.

Mjalli, F. S., Al-Asheh, S. and Alfadala, H.E. 2007. Use of artificial neural network black-box modeling for the prediction of wastewater treatment plants performance, Journal of Environmental Management, Vol. 83(3), pp:329–338.

Murnleitner, E., Becker, T.M. and Delgado, A. 2002. State detection and control of overloads in the anaerobic wastewater treatment using fuzzy logic, Journal of Water Research, Vol. 36(1), pp:201–211.

Nadiri, A., Chitsazan, N., Tsai, F. and Moghaddam, A.A. 2014, Bayesian Artificial Intelligence Model Averaging for Hydraulic Conductivity Estimation. Journal of Hydrologic Engineering, Vol. 19(3), pp:520–532.

Nadiri, A., Moghaddam, A., Tsai, F-C., Fijani, E.  2013b. Hydrogeochemical analysis for Tasuj plain aquifer, Iran. J Earth Syst Sci. Vol. 122(4):1091-105.

Nadiri, A.A., Fijani, E., Tsai, F. T. C. and Moghaddam, A.A. 2013a. Supervised Committee Machine with Artificial Intelligence for Prediction of Fluoride Concentration, Journal of Hydroinformatics. Vol. 15(4), p:1474-1490.

Oliveira-Esquerre, K.P., Mori, M. and Bruns, R.E. 2002. Simulation of an industrial wastewater treatment plant using artificial neural networks and principal components analysis, Journal of Brazilian Journal of Chemical Engineering, Vol. 19(4), pp:365-370.

Ozkaya, B., Demir, A. and Bilgili, M.S. 2007. Neural network prediction model for the methane fraction in biogas from field scale landfill bioreactors, Journal of Environmental Modelling & Software, Vol. 22(6), pp:815 -822.

Pai, T.Y., Tsai, Y.P., Lo, H.M., Tsai, C.H. and Lin, C.Y. 2007. Grey and neural network prediction of suspended solids and chemical oxygen demand in hospital wastewater treatment plant effluent, Journal of Computers and Chemical Engineering, Vol. 31(10), pp:1272 – 1281.

Pai, T.Y., Wan, T.J., Hsu, S.T., Chang, T.C. and Tsai, Y.P. 2009. Using fuzzy inference system to improve neural network for predicting hospital wastewater treatment plant effluent, Journal of computers and Chemical Engineering, Vol. 33(7), pp:1272–1278.

Perendeci, A., Arslan, S., Tanyolac, A. and Celebi, S. 2009. Effects of phase vector and history extension on prediction power of adaptive-network based fuzzy inference system (ANFIS) model for a real scale anaerobic wastewater treatment plant operating under unsteady state, Journal of Bioresource Technology, Vol. 100(20), pp:4579–4587.

Sahoo, G.B., Ray, C. and Wade, H.F. 2005. Pesticide prediction in ground water in North Carolina domestic wells using artificial neural networks, Journal of  Ecological Modelling, Vol. 183(1), pp: 29- 46.

Singh, K.P., Basant, A., Malik, A. and Jain, G. 2009. Artificial neural network modeling of the river water quality-A case study, Journal of Ecological Modeling, Vol. 220(6), pp:888–895.

Sugeno, M. 1985. Industrial Application of Fuzzy Control. North-Holland, New York, 269.

Wan, J., Huang, M., Ma, Y., Gue, W., Wang, Y., Zhang, H., Li, W. and Sun, X. 2011. Prediction of effluent quality of a paper mill wastewater treatment using an adaptive network-based fuzzy inference system, Journal of Applied Soft Computing, Vol. 11(3), pp:3238–3246.

Wen, C.H. and Vassiliadis, C.A. 1998. Applying hybrid artificial intelligence techniques in wastewater treatment, Journal of Engineering Applications of Artificial Intelligence, Vol. 11(6), pp:685-705.

Yel, E., Yalpir, S., 2011. Prediction of primary treatment effluent parameters by Fuzzy Inference System (FIS) approach. Procedia Computer Science, Vol. 3: pp: 659-665.

Zadeh, L. A. 1965. Fuzzy sets as a basic for theory of possibility, Fuzzy Sets and Systems, Vol.1, pp:3-29.