الفهرس 
Chapter (1) IntroductionOnly 14 pages are availabe for public view
 |  | from | 262 |  |  |
| | | from | 262 | | |
Abstract
”تحسين محطات معالجة مياه الصرف الصحي يمكن أن يكون مكلفا، علاوة على ذلك، فإن فعاليته غير مؤكدة . قد تؤثر القرارات التشغيلية الخاصة بتحسين محطات معالجة مياه الصرف الصحى بشكل حساس على أداء وتكاليف تشغيل تلك المحطات، لذلك يجب دراستها بدقة. تطورت نماذج رياضية مختلفة لمعالجة مياه الصرف الصحي البيولوجية في العقود الأخيرة . ومن بينها، تعد نماذج الحماة النشطة هي الأكثر استخدامًا في دراسات التحسين المحطات معالجة مياه الصرف الصحي. BioWin هو برنامج محاكاة لنموذج مياه الصرف الصحي يمكن استخدامه للعديد من التطبيقات مثل اختيار عمليات المعالجة المثلى، وتقليل الاستثمارات الرأسمالية واستهلاك الطاقة، وتكاليف التشغيل، أو تطوير عملية لتحقيق أعلى جودة للمياه المعالجه. التعلم الآلي هو فرع من فروع الذكاء الاصطناعي الذي يمكن تطبيقات البرامج من تحسين دقتها في التنبؤ بالنتائج باستخدام البيانات التاريخية كمدخلات . يتم استخدام التعلم الآلي بشكل متزايد للتنبؤ بأداء محطات معالجة مياه الصرف الصحي. يجب إجراء تقييم محطات معالجة مياه الصرف الصحى من حيث الأداء البيئي وكذلك جودة المياه المعالجه تقييم دورة الحياة هو أداة حاسمة لتقييم الأداء البيئي للعملية ببساطة، تقييم دورة الحياة هو أداة لاتخاذ القرارات البيئية . يتم إجراء هذا التقييم بشكل أساسي من خلال تجميع قائمة بأهم المدخلات والمخرجات ذات الصلة بعمليات المعالجة، مما يساعد في تحليل الآثار البيئية. ثم يتم تفسير نتائج مراحل تحليل المدخلات والمخرجات وتقييم الأثر في ضوء أهداف الدراسة. مجال البحث: هدف هذه الرسالة هو البحث وإنشاء واستخدام وتقييم النمذجة الرياضية ونماذج التعلم الآلي لمحاكاة وتحسين محطات معالجة مياه الصرف الصحي مع دمج التقييم الاقتصادي وتقييم دورة حياة السيناريوهات المدروسة. - أهداف البحث يهدف البحث المقدم في هذه الأطروحة إلى تطوير أداة نمذجة شاملة لمحاكاة كيفية تحسين أنظمة معالجة مياه الصرف الصحى من حيث جودة المياه المعالجة وكفاءة الطاقة، مع السيطرة على تكاليف التشغيل بالإضافة إلى ذلك، يهدف البحث إلى إجراء تقييم دورة الحياة لأنظمة المعالجة المختلفة لتقييم آثارها البيئية. علاوة على ذلك، تهدف الدراسة إلى تطوير نموذج للتنبؤ بأداء عمليات معالجة مياه الصرف الصحي المختلفة باستخدام التعلم الآلي. في نهاية المطاف، يهدف البحث إلى تقديم معلومات مفصلة عن تأثيرات السيناريوهات المدروسة المختلفة ولتكون الأداة المستخدمة في دعم اتخاذ القرار . أولاً، تم عمل برنامج لأخذ عينات المحطات معالجة مياه الصرف الصحي المختلفة المدروسة. ثانياً، تم استخدام BioWin لمحاكاة أداء محطات معالجة مياه الصرف الصحى باستخدام البيانات التي تم جمعها. ثالثاً، تم التحقق من صحة النموذج المطور باستخدام البيانات التاريخية. رابعاً، تم استخدام النموذج المعتمد لتحسين محطات معالجة مياه الصرف الصحى الحالية. خامساً، تم استخدام التعلم الآلى لمحاكاة أداء محطات معالجة مياه الصرف الصحى باستخدام خوارزميات مختلفة. أخيراً، تمت دراسة سيناريوهات التحسين الحالية والمتطورة لمختلف محطات معالجة مياه الصرف الصحى من وجهة نظر اقتصادية وبيئية. كانت النماذج الرياضية لمحطات معالجة مياه الصرف الصحى المدروسة قادرة على التنبؤ بأداء عمليات المعالجة المختلفة، مما يجعلها قابلة للتطبيق لاستخدامها في تحسين محطات معالجة مياه الصرف الصحي الحالية تشمل سيناريوهات التحسين زيادة كفاءة إزالة N و P و BOD و COD و TSS وكان أحد سيناريوهات التحسين الأخرى هو زيادة كمية المياه المعالجة في محطات معالجة مياه الصرف الصحى الحالية باستخدام نفس التكوين ودون زيادة أي وحدات معالجة جديدة. وبالمثل، كانت نماذج التعلم الآلى قادرة على محاكاة أداء محطات معالجة مياه الصرف الصحى بكفاءة . كما تمت دراسة سيناريوهات التحسين من وجهة نظر اقتصادية وبيئية، وتم التوصل إلى أنه يمكن تحسين محطات معالجة مياه الصرف الصحي الحالية وتوسيعها مع تحقيق وفورات اقتصادية وتقليل الآثار البيئية.”