Baylan, Emin BaşarKestioğlu, Osman Erdem2022-11-012022-11-012021https://katalog.ticaret.edu.tr/e-kaynak/tez/88946.pdfhttps://hdl.handle.net/11467/5525Tez (Yüksek Lisans) -- İstanbul Ticaret Üniversitesi -- Kaynakça var.ÖZET Su kirliliğine neden olan en önemli problemlerden biri arıtma tesislerinin performanslarının yeterli olmamasıdır. Arıtma tesisi performanslarının arttırılabilmesi ve su kirliliğinin önlenmesi için arıtma tesislerinin anlık takip edilmesi gerekmektedir. Ancak sensör teknolojisinin yetersiz oluşu bu duruma engel olmaktadır. Mevcut durumda bazı parametreler basit donanım sensörleri ile ölçülebilmektedir. Ancak bazı parametreler pahalı sensörler ile ölçülebilmekte ve bazı parametreler ise sadece laboratuvar analizleri ile ölçülebilmektedir. Bu nedenle ölçülmesi zor parametreler için son yıllarda ‘’Software Sensor-Yazılım Sensörü” geliştirilmeye başlanmıştır. Bu çalışmada atıksu arıtma tesislerindeki ölçülmesi kolay parametreler kullanılarak TN Yazılım Sensörü geliştirilmesi hedeflenmiştir. Bu model Yapay Sinir Ağları (YSA) ile kurulmuştur ve tahmin parametresi olarak havalandırma tankında MLSS, Sıcaklık, Çözünmüş Oksijen çıkış suyunda ise pH, AKM, KOİ ve TP ölçüm sonuçları kullanılmıştır. Kurulan model ile %82,6 yakınlıkta çıkış sularında Toplam Azot miktarı tahmin edilebilmiştir. Anahtar Kelimeler: Atıksu arıtma tesisi, biyolojik arıtma, modelleme, yapay sinir ağları, yazılım sensörü. ABSTRACT One of the most important problems that cause water pollution is the insufficient performance of treatment plants. In order to increase the performance of the treatment plant and to prevent water pollution, it is necessary to monitor the treatment plants instantly. However, the inadequacy of the sensor technology prevents this situation. Currently, some parameters can be measured with simple hardware sensors. However, some parameters can be measured with expensive sensors and some parameters can only be measured with laboratory analysis. For this reason, "Software Sensor" has started to be developed in recent years for parameters that are difficult to measure. In this study, it is aimed to develop a TN Software Sensor using easy-to-measure parameters in wastewater treatment plants. This model was built with Artificial Neural Networks (ANN) and MLSS in the aeration tank, Temperature, and pH, AKM, COD and TP measurement results in the Dissolved Oxygen effluent were used as estimation parameters. With the established model, the Total Nitrogen amount in the effluent waters could be estimated at a closeness of 82,6%. Keywords: Artificial neural networks, biological treatment, modelling, software sensor, wastewater treatment plant. İÇİNDEKİLER İÇİNDEKİLER i ÖZET. ii ABSTRACT . iii TEŞEKKÜR. iv ŞEKİLLER . v ÇİZELGELER . vi SİMGELER VE KISALTMALAR . vii 1. GİRİŞ. 1 1. 1. Arıtma Tesislerinin Kısa Geçmişi . 1 1. 2. Arıtma Tesislerinde Anlık Kontolün Önemi . 3 1. 3. Yazılım Sensörleri. 4 2. LİTERATÜR ÖZETİ . 6 3. YAPAY SİNİR AĞLARI MODELİ YAPISI . 26 3. 1. Yapay Sinir Ağlarının Genel Yapısı . 26 3. 2. Yapay Sinir Ağlarının Genel Özellikleri . 26 3. 3. Yapay Sinir Ağlarının Kullanım Alanları . 27 3. 4. Yapay Sinir Ağlarının Önemli Dezavantajları . 28 3. 5. Yapay Sinir Ağlarının Kısa Bir Tarihçesi . 30 3. 6. Yapay Sinir Ağlarının Temel Elemanları. 33 3. 6. 1. Biyolojik sinir hücresi . 33 3. 6. 2. Yapay sinir ağının yapısı . 35 3. 7. Yapay Sinir Ağlarınının Yapısı. 38 3. 8. Yapay Sinir Ağlarının Çalışma Yapısı (Kara Kutu Yakıştırması) . 39 3. 9. Yapay Sinir Ağlarında En Çok Kullanılan Modeller. 40 3. 10. Çok Katmanlı Algılayıcılar (ÇKA). 40 3. 11. Çok Katmanlı Ağların Çalışma Prosedürü . 42 3. 12. Bir ÇKA Ağının Oluşturulmasında Dikkat Edilmesi Gereken Önemli Noktalar. 43 4. YAPAY SİNİR AĞLARI DESTEKLİ TOPLAM AZOT YAZILIM SENSÖRÜNÜN GELİŞTİRİLMESİ. 44 4. 1. Verilerin Temin Yöntemi . 45 4. 2. Verilerin Analizi . 47 4. 3. Yazılım Sensörü İçin Matlab R2021a Eğitim Aşamaları . 48 4. 4. Yazılım Sensörü İçin Matlab R2021a Test Aşaması . 52 5. ARAŞTIRMA BULGULARI VE TARTIŞMA . 56 6. SONUÇ VE ÖNERİLER . 72 KAYNAKLAR . 75 EKLER . 78 Ek A. Çizelgeler . 78 Ek A. Çizelgeler . 79 ÖZGEÇMİŞ . 133trinfo:eu-repo/semantics/openAccessNeural networks (Computer science)Nörol ağları (Bilgisayar bilimi)Artificial intelligenceYapay zekaComputer algorithmsBilgisayar algoritmalarıÜrün tasarımıProduct designQA 76.87/K47Master Thesis1133706359