2011 International Conference on Computer Communication and Management Proc .of CSIT vol.5 (2011) © (2011) IACSIT Press, Singapore Prediction of Dissolved Oxygen Using Artificial Neural Network Sirilak Areerachakul 1+ , Prem Junsawang 2 and Auttapon Pomsathit 1 1 Faculty of Science and Technology, Suan Sunandha Rajabhat University, Bangkok Thailand 2 Faculty of Science, Khon Kaen University, Khon Kaen Thailand Abstract. The paper is concerned with the use of a neural network model for the prediction of dissolved oxygen in canals. The neural network model is developed using experimental data which are obtained from the Department of Drainage and Sewerage, Bangkok Metropolitan Administration, during 2006-2008. The input parameters of the neural network are pH value (pH), biochemical oxygen demand (BOD), chemical oxygen demand (COD), substance solid (SS), total kjeldahl nitrogen (TKN), ammonia nitrogen (NH3N), nitrite nitrogen (NO2N), nitrate nitrogen (NO3N), total phosphorous (T-P) and total coliform. The Levenberg–Marquardt algorithm is used to train the artificial neural network (ANN). The optimal ANN architecture was determined by trial and error method. The ANN architecture having 16 hidden neurons gives the best choice. Results of ANN models have been compared with the measured data on the basis of correlation coefficient (R), mean absolute error (MAE) and mean square error (MSE). Comparing the modeled values by ANN with the experimental data indicates that neural network model provides accurate results. Keywords: Artificial Neural Network, Dissolved Oxygen, Canal 1. Introduction Dissolved oxygen (DO) is one of the best indicators of the health of a water ecosystem. Dissolved oxygen can range from 0-18 parts per million , but most natural water systems require 5-6 parts per million to support a diverse population. Oxygen enters the water by direct absorption from the atmosphere or by plant photosynthesis. The oxygen is used by plants and animals for respiration and by the aerobic bacteria which consume oxygen during the process of decomposition. When organic matter such as animal waste or improperly treated wastewater enters a body of water, algae growth increases and the dissolved oxygen levels decrease as the plant material dies off and is decomposed through the action of the aerobic bacteria [1]. In recent years, Artificial Neural Network (ANN) methods have become increasingly popular for prediction and forecasting in a number of disciplines, including water resources and environmental science. ANNs are able to find and identify complex patterns in datasets that may not be well described by a set of known processes or simple mathematical formula [2]. Many modeling studies have been carried out to compute dissolved oxygen concentration in streams [3], river [4], lake [5], and canals. The main purpose of this study is to analyze the performances of neural network (NN) models in predicting of dissolved oxygen of Dusit district canals in Bangkok. 2. Data and Site Description Dusit district is one district of Bangkok which comprised of 11 sites of canals. This network of canals is important for the daily life of the people in Bangkok. Bangkok is the capital city, as well as, the economic center of Thailand. Its activities, which include commercial, industrial and service have caused the expansion of the city and its population to accumulate environmental pollution to the point that nature cannot cope with the pollution loading; especially for water quality [11]. Dissolved oxygen is an important parameter for the condition of surface waters. The prediction of dissolved oxygen results can be utilized in water management and treatment systems. In this study, water quality data are provided by the Department of Drainage and Sewerage, Bangkok Metropolitan Administration, during 2006-2008. There are 384 records of data. Each record consists of 11
ประชุมวิชาการนานาชาติ 2011 สื่อสารคอมพิวเตอร์และกระบวนการจัดการ.of CSIT ฉบับที่ 5 (2011) © (2011) IACSIT กด สิงคโปร์คาดการณ์การละลายออกซิเจนใช้ประดิษฐ์ประสาทเครือข่ายลักษณ์ Areerachakul 1 + 2 Junsawang เปรมและอรรถ Pomsathit 1 1 คณะวิทยาศาสตร์ และเทคโนโลยี มหาวิทยาลัยราชภัฏสวนสุนันทา กรุงเทพประเทศไทย 2 คณะวิทยาศาสตร์ มหาวิทยาลัยขอนแก่น ขอนแก่นขอนแก่นไทยนามธรรม กระดาษที่เกี่ยวข้องกับการใช้แบบจำลองโครงข่ายประสาทสำหรับการคาดเดาของออกซิเจนละลายน้ำในคลอง พัฒนาแบบจำลองโครงข่ายประสาทข้อมูลทดลองซึ่งได้รับมาจากแผนกการระบายน้ำและการจำกัดของเสีย กรุงเทพมหานคร ในช่วง 2006-2008 พารามิเตอร์การป้อนข้อมูลของเครือข่ายประสาทมีค่า pH (ค่า pH), biochemical ต้องการออกซิเจน (BOD) สารเคมีต้องการออกซิเจน (COD), สารแข็ง (SS), รวมเจลดาห์ลเมื่อต้องไนโตรเจน (TKN), แอมโมเนียไนโตรเจน (NH3N) ไนไตรท์ไนโตรเจน (NO2N), ไนเตรทไนโตรเจน (NO3N), รวมฟอสฟอรัส (T-P) และโคลิฟอร์มทั้งหมด ใช้อัลกอริทึม Levenberg – Marquardt การข่ายประสาทเทียม (แอน) สถาปัตยกรรมแอนเหมาะสมที่สุดที่ถูกกำหนด โดยวิธีการทดลองและข้อผิดพลาด สถาปัตยกรรมของแอนที่มีเซลล์ประสาทที่ซ่อนที่ 16 ให้ดีสุด ผลของแม่แบบมีการเปรียบเทียบกับข้อมูลการวัดโดยใช้สัมประสิทธิ์สหสัมพันธ์ (R) ข้อผิดพลาดสัมบูรณ์ (แม่) และ ตารางหมายถึงข้อผิดพลาด (MSE) เปรียบเทียบค่าสร้างแบบจำลอง โดยแอนกับข้อมูลการทดลองบ่งชี้ว่า แบบจำลองโครงข่ายประสาทที่ให้ผลลัพธ์ที่ถูกต้อง คำสำคัญ: โครงข่ายประสาทเทียม ละลายออกซิเจน คลอง 1 แนะนำ Dissolved ออกซิเจน (DO) เป็นหนึ่งในตัวชี้วัดที่ดีที่สุดของสุขภาพของระบบนิเวศในน้ำ ออกซิเจนละลายน้ำได้ตั้งแต่ 0-18 ส่วนต่อล้าน แต่ส่วนใหญ่ระบบน้ำธรรมชาติต้อง 5-6 ส่วนต่อเพื่อรองรับประชากรหลากหลาย ออกซิเจนป้อนน้ำ โดยดูดซึมโดยตรงจากบรรยากาศ หรือ โดยการสังเคราะห์แสงของพืช ออกซิเจนถูกใช้ โดยพืชและสัตว์สำหรับหายใจ และแท็งก์ที่ใช้ออกซิเจนในการย่อยสลาย เมื่ออินทรีย์เช่นสัตว์เสีย หรือไม่ถูกต้องถือว่า น้ำเสียเข้าสู่ร่างกายของน้ำ สาหร่ายเจริญเติบโตเพิ่มขึ้นและระดับออกซิเจนในน้ำลดวัสดุพืชตายปิด และย่อยสลายของแบคทีเรียแอโรบิก [1] ในปีล่าสุด ประดิษฐ์ประสาทเครือข่าย (ANN) เป็นวิธียอดนิยมสำหรับการคาดเดาและคาดการณ์จำนวนสาขา รวมทั้งทรัพยากรน้ำและสิ่งแวดล้อมวิทยาศาสตร์ ANNs สามารถค้นหา และระบุรูปแบบที่ซับซ้อนในชุดข้อมูลที่อาจไม่เป็นอย่างดีได้อธิบายชุดของกระบวนการทราบหรือสูตรทางคณิตศาสตร์ง่าย ๆ [2] หลายโมเดลศึกษาการดำเนินการคำนวณความเข้มข้นของออกซิเจนในกระแส [3], แม่น้ำ [4], [5] เล และคลองที่ละลายน้ำ วัตถุประสงค์หลักของการศึกษานี้เป็นการ วิเคราะห์การแสดงของแบบจำลองโครงข่ายประสาท (NN) ในการทำนายของออกซิเจนละลายน้ำของคลองเขตดุสิตกรุงเทพมหานคร เขตข้อมูลและเว็บไซต์คำอธิบายดุสิตเป็นหนึ่งเขตของกรุงเทพมหานครซึ่งประกอบด้วยสถานที่ 11 ของคลอง เครือข่ายของคลองนี้เป็นสิ่งสำคัญสำหรับชีวิตประจำวันของคนในกรุงเทพมหานคร กรุงเทพฯ เป็นเมืองหลวง เป็น ศูนย์กลางทางเศรษฐกิจของประเทศไทย กิจกรรม รวมถึงพาณิชย์ อุตสาหกรรมและบริการทำให้เกิดการขยายตัวของเมืองและประชากรการสะสมมลพิษสิ่งแวดล้อมไปยังจุดที่ธรรมชาติไม่สามารถรับมือกับมลภาวะโหลด โดยเฉพาะอย่างยิ่งสำหรับคุณภาพน้ำ [11] ออกซิเจนละลายน้ำเป็นพารามิเตอร์สำคัญสำหรับสภาพของน้ำผิว คาดเดาผลออกซิเจนในน้ำสามารถใช้ในการบริหารจัดการน้ำและระบบบำบัด ในการศึกษานี้ ข้อมูลคุณภาพน้ำโดยภาคการระบายน้ำและการจำกัดของเสีย กรุงเทพมหานคร ในช่วง 2006-2008 มี 384 ระเบียนข้อมูล แต่ละระเบียนประกอบด้วย 11
การแปล กรุณารอสักครู่..
![](//thimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)