استفاده از معادلات دیفرانسیل استوکاستیک در بررسی عدم قطعیت های مرتبط با بهره برداری از تصفیه خانه فاضلاب لجن فعال

نوع مقاله : مقاله کامل پژوهشی

نویسندگان

1 گروه آب، دانشکده مهندسی عمران، دانشگاه تبریز

2 گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه شهید مدنی آذربایجان

چکیده

امروزه مدیریت هرزآب­های سطحی توسط تصفیه‌خانه­های فاضلاب (WWTP)، جزو یکی از ملزومات مهندسی محیط زیست شمرده می­شود. یکی از مکانیسم­های WWTP، لجن فعال مربوط به پارامتر اکسیژن مورد نیاز بیولوژیکی (BOD) است. در طراحی­های معمول از معادلات دیفرانسیل خطی حاکم بر سیستم استفاده می­گردد، لیکن در این معادلات از ماهیت نوسانی مقدار میکروارگانیسم­های مصرفی برای کنترل BOD و عدم قطعیت پارامترهای دخیل در معادلات صرف­نظر می­شوند. این نوسانات و عدم قطعیت­ها در نتایج مدل­سازی می­تواند کمک شایانی به طراحان از دو منظر مدیریت ریسک و هزینه و سهولت نظارت بر قسمت­های لجن فعال نماید. در این تحقیق سعی بر ارائه یک مدل تصادفی با استفاده از معادلات استوکاستیک (Stochastic) (SDE) به­جای معادلات خطی عادی (ODE) جهت طراحی و شبیه­ سازی فرآیند لجن فعال تصفیه ­خانه با اعمال عدم قطعیت ­ها در محاسبات ارائه شود. مدل­سازی و آنالیز برای دو پارامتر BOD و دبی فاضلاب (Q) صورت گرفت. برای این منظور، معادلات حاکم بر واحد تصفیه بیولوژیکی بررسی و معادلات خطی ODE حاکم بر سیستم لجن فعال به SDE تبدیل و عدم قطعیت­ ها بر پارامترهای خروجی از بخش ته ­نشینی ثانویه اعمال شد. محاسبات با استفاده از SDE و حل انتگرال  به روش اویلر- مارویاما (Euler-Maruyama) برای 15 روزه متوالی از بازۀ زمانی (2020-2019) برای WWTP شهر تبریز انجام یافت. ضرایب بهینه برای SDE برای دو متغیر Qeff و BODeff تعیین و مقایسه نتایج نشان­ دهندۀ قابلیت مناسب حل عددی برای متغیرهای محاسباتی مذکور بودند. اختلاف دو روش SDE با ODE در محاسبه BODeff معادل 47/11 درصد و برای محاسبه Qeff معادل 11/10 درصد به ­دست آمد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Use of Stochastic Differential Equations in Investigating the Uncertainties Related to the Operation of the Activated Sludge Wastewater Treatment Plant

نویسندگان [English]

  • Vahid Nourani 1
  • Reza Shahidi Zonouz 1
  • Mehdi Dini 2
1 Faculty of Civil Engineering, University of Tabriz, Tabriz 5166616471, Iran
2 Faculty of Engineering, Azarbaijan Shahid Madani University, Tabriz, Iran
چکیده [English]

In the present paper, the uncertainty analysis for the activated sludge part in the wastewater treatment plant (WWTP) was done using stochastic differential equation (SDE) equations. Euler-Maruyama method was selected for the numerical solution of the It ̂o integral and the results were compared and analyzed with observational data. 

کلیدواژه‌ها [English]

  • Activated Sludge Unit
  • Uncertainty
  • Brownian motion
  • Wiener process
  • Tabriz Wastewater Treatment Plant
لقمانی‌برید ق، محسنی‌مقدم م، "بررسی روش ­های عددی اویلر- ماریاما و میلشتاین برای حل معادلات دیفرانسیل تصادفی"، مجله علوم دانشگاه تهران، 1383، 30 (1)، 31-23.
مؤمنی ع، کامرانی م، "حل عددی و شبیه ­سازی معادلات رندم با فرایندهای وینر و پواسون مرکب"، پژوهش­ های نوین در ریاضی، 1398، 5، 93-106.
BECK MB, “Water quality modeling: a review of the analysis of uncertainty”, Water Resources Research, 1987, 23, 1393-1442. https://doi.org/10.1029/WR023i008p01393
Browning AP, Warne DJ, Burrage K, Baker RE, Simpson MJ, “Identifiability analysis for stochastic differential equation models in systems biology”, Journal of the Royal Society Interface, 2020, 17, 20200652. https://doi.org/10.1098/rsif.2020.0652
Dexter NC, Webster CG, Zhang G, “Explicit cost bounds of stochastic Galerkin approximations for parameterized PDEs with random coefficients”, Computers and Mathematics with Applications, 2016, 71, 2231-2256.
       https://doi.org/10.1016/j.camwa.2015.12.005
Erfanian HR, Hajimohammadi M, Abdi MJ, “Using the Euler-Maruyama method for finding a solution to stochastic financial problems”, International Journal of Intelligent Systems and Applications, 2016, 8, 48.
       https://doi.org/10.5815/ijisa.2016.06.06
Evans LC, “An introduction to stochastic differential equations”, American Mathematical Soc., 2012.
Harris C, “Modelling, simulation and control of stochastic systems with applications in wastewater treatment”, International Journal of Systems Science, 1977, 8, 393-411. https://doi.org/10.1080/00207727708942050
Higham DJ, “An algorithmic introduction to numerical simulation of stochastic differential equations”, SIAM Review, 2001, 43, 525-546. https://doi.org/10.1137/S0036144500378302
Kabouris JC, Georgakakos AP, “Stochastic control of the activated sludge process”, Water Science and Technology, 1991, 24, 249-255. https://doi.org/10.2166/wst.1991.0163
Lin SD, “Water and wastewater calculations manual”, McGraw-Hill Education, 2014.
Mauritsson G, “Simulation of wastewater treatment plants modeled by a system of nonlinear ordinary and partial differential equations”, Master's Theses in Mathematical Sciences, 2013.
Metcalf L, “Wastewater engineering: treatment and reuse”, Metcalf & Eddy Inc. McGraw-Hill Inc., New York, 2003.
Richardson M, “Numerical methods for option pricing”, University of Oxford, Special topic, 2009.
Särkkä S, “Recursive bayesian inference on stochastic differential equations”, Helsinki University of Technology, 2006.
Serrano S, “Development of the instantaneous unit hydrograph using stochastic differential equations”, Stochastic Hydrology and Hydraulics, 1990, 4, 151-160. https://doi.org/10.1007/BF01543288
Sin G, Gernaey KV, Neumann MB, Van Loosdrecht MC, Gujer W, “Uncertainty analysis in WWTP model applications: a critical discussion using an example from design”, Water Research, 2009, 43, 2894-2906. https://doi.org/10.1016/j.watres.2009.03.048
Soto J, Infante S, “Ensemble kalman filter and extended kalman filter for state-parameter dual estimation in mixed effects models defined by a stochastic differential equation”, International Conference on ‘Knowledge Society: Technology, Sustainability and Educational Innovation’, 2019, Springer, 285-300. https://doi.org/10.1007/978-3-030-37221-7_24
Wylie EB, Streeter VL, “Fluid transients. New York, 1978.
Xiu D, Hesthaven JS, “High-order collocation methods for differential equations with random inputs”, SIAM Journal on Scientific Computing, 2005, 27, 1118-1139.
Zhang L, Cui B, Yuan B, Zhang A, Feng J, Zhang J, Han X, Pan L, Li L, “Denitrification mechanism and artificial neural networks modeling for low-pollution water purification using a denitrification biological filter process”, Separation and Purification Technology, 2021, 257, 117918. https://doi.org/10.1137/040615201