تحلیل اطمینان‌پذیری سیستم تصفیه و بازیافت پساب شهرک صنعتی مورچه‌خورت با استفاده از روش شبکه بیزی

نوع مقاله : مقالات علمی

نویسندگان

1 دانشگاه صنعتی اصفهان، دانشکده مهندسی عمران

2 استادیار دانشکده مهندسی عمران

3 دانشیار دانشکده مهندسی عمران

چکیده

امروزه استفاده از فاضلاب تصفیه‌شده در بخش های مختلفی از قبیل کشاورزی ، صنعت و آبیاری فضای سبز به راه‌حلی مناسب برای جبران کمبود آب تبدیل‌شده است. به دلیل احتمال وجود آلاینده‌های مختلف در فاضلاب و عدم تصفیه کامل منطبق بر استانداردها ، این امر همواره با ریسک و عدم اطمینان همراه است. لذا به‌منظور تعیین وضعیت اطمینان پذیری و ارائه راهکارهای ارتقاء آن در سیستم تصفیه فاضلاب ، بایستی ارزیابی ریسک صورت گیرد. ریسک بیانگر احتمال وقوع یک رخداد نامطلوب به همراه شدت اثرات منفی آن می باشد. در تحقیق حاضر از روش شبکه بیزی برای ارزیابی ریسک سیستم تصفیه فاضلاب استفاده‌شده است. در این روش با ایجاد رابطه علت و معلولی بین اجزاء سیستم ، می توان احتمال رخداد یک رویداد در سیستم را به دست آورد. مطالعه موردی در این پژوهش ، سیستم تصفیه فاضلاب شهرک صنعتی مورچه‌خورت است. رویداد نهایی موردبررسی در مدل، ایجاد پیامد رسوب ، خوردگی و بیوفیلم حاصل از استفاده پساب در تأسیسات صنعتی شهرک صنعتی می باشد. داده های ورودی به مدل از طریق نظرات کارشناسان و متخصصان و داده های آزمایشگاهی تصفیه‌خانه شهرک صنعتی مورچه‌خورت تهیه‌شده است. نتایج نشان می دهد که با احتمال 70 درصد سیستم تصفیه فاضلاب قادر به تأمین پساب باکیفیت مناسب برای مصارف صنعتی خواهد بود. همچنین کار آیی مدل شبکه بیزی در تحلیل عوامل شکست و تخمین ریسک ناشی از عدم تطابق پساب خروجی با استانداردهای موردنظر صنایع نشان داده‌شده است.

کلیدواژه‌ها


عنبری، م.ج. (1392)، «تحلیل ریسک سیستم‏های تصفیه‌خانه با استفاده از شبکه‏های بیزی»، پایان‏نامه کارشناسی ارشد، دانشکده مهندسی عمران، پردیس دانشکده‏های فنی، دانشگاه تهران.
HUGIN, [Computer Software], Hugin Expert, Available from: http://www.hugin.com/.
Kabir , G., Demissie, G., Sadiq, R., and Tesfamariam, S., (2015), “Integrating failure prediction models for water mains: Bayesian belief network based data fusion”, Journal of Knowledge-Based Systems, 85, 159-169.
Kjaerulff, U.B., and Madsen, A.L., (2007), Bayesian Networks and influence diagrams: A guide to construction and analysis, Springer Science+Business Media, NewYork.
Rahman , M.M., Hagare, D., and Maheshwari, B., (2016), “Bayesian Belief Network analysis of soil salinity in a peri-urban agricultural field irrigated with recycled water”, Journal of Agricultural Water Management, 176, 280-296.
Taheriyoun, M., Alavi, V., and Ahmadi, A., (2016), “Risk analysis of wastewater reuse in agriculture using bayesian network”, AmirKabir Journal of Science and Research, Civil and Environmental Engineering, 48 (1), 101-110, (In Persian).
Taheriyoun, M., Bahrami, M., and Moradinejad, S., (2014), “Reliability analysis of a municipal wastewater treatment plant using fault tree analysis”, Journal of Iran-Water Resource Research, 10(2), 1-11, (In Persian).
Tang , C., Yi, Y., Yang, Zh., and Sun, J., (2016), “Risk forecasting of pollution accidents based on an integrated Bayesian Network and water quality model for the South to North water transfer project”, Journal of  Ecological Engineering, 96, 109-116.