2011 International Conference on Co

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

ผลลัพธ์ (ไทย) 1:

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

ผลลัพธ์ (ไทย) 2:

2011 ประชุมนานาชาติเกี่ยวกับคอมพิวเตอร์และการสื่อสารการบริหารจัดการพร .of CSIT Vol.5 (2011) © (2011) IACSIT กดทำนายสิงคโปร์ออกซิเจนละลายโดยใช้โครงข่ายประสาทเทียมศิริลักษณ์ Areerachakul 1+ เปรม Junsawang ที่ 2 และ Auttapon Pomsathit 1 1 คณะวิทยาศาสตร์ และเทคโนโลยีมหาวิทยาลัยราชภัฏสวนสุนันทา, กรุงเทพ 2 คณะวิทยาศาสตร์มหาวิทยาลัยขอนแก่นขอนแก่นประเทศไทยบทคัดย่อ กระดาษที่เกี่ยวข้องกับการใช้แบบจำลองโครงข่ายประสาทเทียมสำหรับการคาดการณ์ของออกซิเจนที่ละลายในคลอง รูปแบบเครือข่ายประสาทการพัฒนาโดยใช้ข้อมูลจากการทดลองที่จะได้รับจากกรมระบายน้ำกรุงเทพมหานครในช่วง 2006-2008 พารามิเตอร์การป้อนข้อมูลของเครือข่ายประสาทมีค่าพีเอช (pH) ความต้องการออกซิเจนทางชีวเคมี (BOD) ความต้องการออกซิเจนทางเคมี (COD) ซึ่งเป็นสารที่เป็นของแข็ง (SS) ไนโตรเจน Kjeldahl รวม (TKN) แอมโมเนียไนโตรเจน (NH3N) ไนโตรเจนไนไตรท์ ( NO2N) ไนโตรเจนไนเตรต (NO3N) ฟอสฟอรัสทั้งหมด (TP) และโคลิฟอร์มทั้งหมด อัลกอริทึม Levenberg-Marquardt ถูกนำมาใช้ในการฝึกอบรมเครือข่ายประสาทเทียม (ANN) สถาปัตยกรรม ANN ที่ดีที่สุดถูกกำหนดโดยการทดลองและวิธีการผิดพลาด สถาปัตยกรรม ANN มี 16 เซลล์ประสาทที่ซ่อนอยู่ให้เลือกที่ดีที่สุด ผลการค้นหาของแบบจำลอง ANN ได้รับการเปรียบเทียบกับข้อมูลที่วัดได้บนพื้นฐานของค่าสัมประสิทธิ์สหสัมพันธ์ (R) ที่หมายถึงข้อผิดพลาดที่แน่นอน (MAE) และหมายถึงข้อผิดพลาดของสแควร์ (MSE) เปรียบเทียบค่าถ่ายแบบโดยแอนกับผลการทดลองแสดงให้เห็นว่ารูปแบบเครือข่ายประสาทให้ผลลัพธ์ที่ถูกต้อง คำสำคัญ: โครงข่ายประสาทเทียมออกซิเจนละลายน้ำคลอง 1. บทนำออกซิเจนละลาย (DO) เป็นหนึ่งในตัวชี้วัดที่ดีที่สุดของสุขภาพของระบบนิเวศน้ำ ออกซิเจนที่ละลายในช่วง 0-18 ส่วนต่อล้านส่วน แต่ส่วนใหญ่ระบบน้ำตามธรรมชาติต้องใช้ 5-6 ส่วนต่อล้านเพื่อรองรับประชากรที่มีความหลากหลาย ออกซิเจนเข้าสู่น้ำโดยการดูดซึมโดยตรงจากบรรยากาศหรือโดยการสังเคราะห์แสงของพืช ออกซิเจนจะถูกใช้โดยพืชและสัตว์สำหรับการหายใจและแบคทีเรียแอโรบิกที่ใช้ออกซิเจนในระหว่างขั้นตอนของการสลายตัว เมื่อสารอินทรีย์เช่นของเสียจากสัตว์หรือน้ำเสียที่ได้รับการรักษาไม่ถูกต้องเข้ามาในร่างกายของน้ำเพิ่มขึ้นเจริญเติบโตของสาหร่ายและระดับออกซิเจนที่ละลายในน้ำลดลงเป็นวัสดุพืชตายออกและจะถูกย่อยสลายผ่านการกระทำของแบคทีเรียแอโรบิก [1] ในปีที่ผ่านโครงข่ายประสาทเทียม (ANN) วิธีการได้กลายเป็นที่นิยมมากขึ้นสำหรับการคาดการณ์และการคาดการณ์ในหลายสาขาวิชารวมทั้งแหล่งน้ำและวิทยาศาสตร์สิ่งแวดล้อม ANNs สามารถที่จะค้นหาและระบุรูปแบบที่ซับซ้อนในชุดข้อมูลที่อาจไม่ได้รับการอธิบายอย่างดีโดยชุดของกระบวนการเป็นที่รู้จักหรือสูตรทางคณิตศาสตร์ที่เรียบง่าย [2] การศึกษาการสร้างแบบจำลองหลายคนได้รับการดำเนินการในการคำนวณความเข้มข้นของออกซิเจนที่ละลายในลำธาร [3] แม่น้ำ [4], ทะเลสาบ [5] และคลอง วัตถุประสงค์หลักของการศึกษาครั้งนี้คือการวิเคราะห์ผลการดำเนินงานของเครือข่ายประสาท (NN) แบบจำลองในการทำนายของออกซิเจนที่ละลายดุสิตอำเภอคลองในกรุงเทพฯ 2. ข้อมูลและรายละเอียดเว็บไซต์อำเภอดุสิตเป็นหนึ่งในเขตการปกครองของกรุงเทพมหานครซึ่งประกอบด้วย 11 เว็บไซต์ของคลอง เครือข่ายคลองนี้เป็นสิ่งสำคัญสำหรับชีวิตประจำวันของประชาชนในเขตกรุงเทพมหานคร กรุงเทพฯเป็นเมืองหลวงเช่นเดียวกับศูนย์กลางทางเศรษฐกิจของประเทศไทย กิจกรรมของ บริษัท ย่อยซึ่งรวมถึงการค้าบริการอุตสาหกรรมและได้ก่อให้เกิดการขยายตัวของเมืองและประชากรของการสะสมมลพิษทางสิ่งแวดล้อมไปยังจุดที่มีลักษณะที่ไม่สามารถรับมือกับการโหลดมลพิษ; โดยเฉพาะอย่างยิ่งสำหรับคุณภาพน้ำ [11] ปริมาณออกซิเจนละลายน้ำเป็นตัวแปรที่สำคัญสำหรับสภาพของน้ำที่พื้นผิว การทำนายผลออกซิเจนละลายสามารถนำไปใช้ในการบริหารจัดการน้ำและระบบบำบัด ในการศึกษานี้ข้อมูลที่มีคุณภาพน้ำที่ให้บริการโดยกรมระบายน้ำกรุงเทพมหานครในช่วง 2006-2008 มี 384 บันทึกข้อมูล แต่ละระเบียนประกอบด้วย 11

ผลลัพธ์ (ไทย) 3:

2011 การประชุมนานาชาติเกี่ยวกับการสื่อสารคอมพิวเตอร์และ proc การจัดการ ของ CSIT สมุดสังหาร ( 2011 ) สงวนลิขสิทธิ์ ( 2011 ) iacsit กด การทำนายปริมาณออกซิเจนที่ละลายในน้ำโดยใช้โครงข่ายประสาทเทียม ศิริลักษณ์ areerachakul 1 + สิงคโปร์ เปรม และ pomsathit เฉลิมพล 2 หัว 1 คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏสวนสุนันทา กรุงเทพฯ 2 คณะวิทยาศาสตร์ มหาวิทยาลัยขอนแก่นมหาวิทยาลัยขอนแก่น ขอนแก่น ไทย บทคัดย่อ กระดาษที่เกี่ยวข้องกับการใช้งานของโครงข่ายประสาทเทียมแบบจำลองเพื่อทำนายปริมาณออกซิเจนละลายน้ำในคลอง แบบจำลองโครงข่ายประสาทเทียมถูกพัฒนาขึ้นโดยใช้ข้อมูลที่ได้จากสำนักระบายน้ำ กรุงเทพมหานคร ในช่วง 2006-2008 การป้อนพารามิเตอร์ของโครงข่ายประสาทเทียมที่มีค่าพีเอช ( pH ) ความต้องการออกซิเจนทางชีวเคมี ( BOD ) ความต้องการออกซิเจนทางเคมี ( COD ) สารแข็ง ( SS ) ปริมาณไนโตรเจนทั้งหมด ( TKN ) , แอมโมเนียไนโตรเจน ( nh3n ) ไนไตรท์ ( no2n ) ไนเตรท ( no3n ) , ฟอสฟอรัส ( t-p ) ทั้งหมด และโคลิฟอร์มทั้งหมด ขั้นตอนวิธี levenberg –มาร์ควใช้รถไฟเครือข่ายใยประสาทเทียม ( ANN ) เหมาะสม แอน สถาปัตยกรรมถูกหาโดยวิธีลองผิดลองถูก . สถาปัตยกรรมของแอนมีเซลล์ประสาทอยู่ 16 ให้เลือกที่ดีที่สุด ผลของแอนโมเดลได้รับการเปรียบเทียบกับข้อมูลการวัดบนพื้นฐานของค่าสัมประสิทธิ์สหสัมพันธ์ ( r ) , ค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ ( แม่ ) และค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( MSE ) การเปรียบเทียบแบบจำลองค่าโดยแอนกับข้อมูลจากการทดลองพบว่าแบบจำลองโครงข่ายประสาทเทียมให้ผลลัพธ์ที่ถูกต้อง คำสำคัญ : โครงข่ายประสาทเทียม , ออกซิเจนละลาย , คลอง 1 แนะนำปริมาณออกซิเจน ( DO ) เป็นหนึ่งในตัวชี้วัดที่ดีที่สุดของสุขภาพของระบบนิเวศน้ำ ออกซิเจนละลายในน้ำสามารถช่วงจาก 0-18 ต่อล้านส่วน แต่ระบบน้ำธรรมชาติส่วนใหญ่ต้องการ 5-6 ต่อล้านส่วน เพื่อรองรับประชากรที่หลากหลาย ออกซิเจนลงไปในน้ำได้โดยตรง หรือการดูดซึมจากบรรยากาศโดยการสังเคราะห์แสงของพืช ออกซิเจนจะถูกใช้โดยพืชและสัตว์ สำหรับการหายใจและโดยแอโรบิค แบคทีเรียที่ใช้ออกซิเจนในระหว่างกระบวนการของการสลายตัว เมื่ออินทรีย์วัตถุ เช่น สัตว์ หรือ ไม่เหมาะสมกับคุณภาพของเสียเข้าสู่ร่างกายของน้ำ และการเจริญเติบโตของสาหร่ายเพิ่มออกซิเจนละลายน้ำระดับลดลงเป็นวัสดุพืชตายและเน่าเปื่อยแล้วผ่านการกระทำของแอโรบิกแบคทีเรีย [ 1 ] ใน ปี ล่าสุด โครงข่ายประสาทเทียม ( ANN ) วิธีการจะกลายเป็นที่นิยมมากขึ้นสำหรับคำทำนายและพยากรณ์ในหลายสาขาวิชา รวมทั้งแหล่งน้ำและวิทยาศาสตร์สิ่งแวดล้อม แอนน์ สามารถค้นหา และระบุข้อมูลที่ซับซ้อนในรูปแบบมันอาจจะดีที่อธิบายโดยชุดของกระบวนการ หรือสูตรทางคณิตศาสตร์อย่างง่ายที่รู้จักกัน [ 2 ] การศึกษาแบบจำลองหลายได้ดําเนินการ คำนวณหาปริมาณออกซิเจนที่ละลายในน้ำความเข้มข้นในแม่น้ำลำธาร [ 3 ] , [ 4 ] , ทะเลสาบ [ 5 ] และคลอง วัตถุประสงค์หลักของการศึกษาครั้งนี้ เพื่อวิเคราะห์สมรรถนะของโครงข่ายประสาทเทียม ( NN ) แบบจำลองในการทำนายของปริมาณออกซิเจนที่ละลายในน้ำของคลองในเขตดุสิตกรุงเทพมหานคร 2 . ข้อมูลเว็บไซต์และรายละเอียดเขตดุสิตเป็นหนึ่งในเขตกรุงเทพมหานคร จำนวน 11 แห่ง ของคลอง นี้เครือข่ายของคลองสำคัญในชีวิตประจำวันของประชาชนในเขตกรุงเทพมหานคร กรุงเทพมหานคร เป็นเมืองหลวง เป็น ศูนย์กลางทางเศรษฐกิจของประเทศ กิจกรรมของ บริษัท ซึ่งรวมการค้า บริการ อุตสาหกรรม และเกิดการขยายตัวของเมืองและประชากรของการสะสมมลพิษสิ่งแวดล้อมไปยังจุดที่ไม่สามารถรับมือกับมลภาวะโหลดธรรมชาติ โดยเฉพาะอย่างยิ่งคุณภาพน้ำ [ 11 ] ออกซิเจนเป็นพารามิเตอร์ที่สำคัญสำหรับสภาพของน้ำผิวดิน การทำนายผลของออกซิเจนที่ละลายในน้ำสามารถใช้ในการจัดการน้ำและการรักษาระบบ ข้อมูลคุณภาพน้ำไว้ โดยสำนักระบายน้ำ กรุงเทพมหานคร ในช่วง 2006-2008 มีเครื่องบันทึกข้อมูล แต่ละบันทึกประกอบด้วย 11