Yapay Zeka ile Atıksu Toplama Sistemlerinde Grafik Okunarak Katı Madde Birikiminin Belirlenmesi

XII. Ulusal Hidroloji Kongresi, Samsun, Türkiye, 16 - 19 Ekim 2024, cilt.2, sa.12, ss.173-179

Yayın Türü: Bildiri / Tam Metin Bildiri
Cilt numarası: 2
Basıldığı Şehir: Samsun
Basıldığı Ülke: Türkiye
Sayfa Sayıları: ss.173-179
İnönü Üniversitesi Adresli: Evet

Özet

Atık su toplama sistemlerinde katı atık birikimi, genellikle tıkanmalara ve akış kapasitesinin azalmasına yol açarak önemli bir sorun teşkil etmektedir. Bu sistemler tıkandığında, Ayrık veya Birleşik Sistem Atıksu Kanal Taşması (SSO veya CSO) riski artar ve bu da olası sel ve patojen kontaminasyonu yoluyla halkın güvenliğini tehlikeye atar. Bu nedenle, altyapı hizmetlerinin büyük yağışlardan önce katı atık birikimini proaktif olarak tespit edip müdahale etmesi hayati önem taşımaktadır. Mevcut durumda, bu tür sorunları tespit etmek için otomatik teknikler çok yenidir ve sadece akademik çalışmalar ile sınırlıdır ve mevcut yöntemler yalnızca derinlik gözlemlerine dayanmakta olup, doğru tespit için gerekli olan hız bileşeninden yoksundur. Bu çalışma, derinlik ve hız dağılım grafiğini yapay zekaya öğretip katı madde miktarını Derin Konvolüsyonel Sinir Ağı (CNN) ile otomatik olarak tahmin etmektedir. CNN, farklı miktarlarda katı madde ile derinlik ve hız değişkenlerini simüle etmek için tasarlanmış Yağmur Suyu Yönetim Modeli (SWMM) kullanılarak oluşturulan grafik veri seti üzerinde eğitilmiştir. Gerçek koşulları kapsamlı bir şekilde taklit etmek için 1,482,000 SWMM modeli geliştirilmiş ve CNN modelinin eğitimi için farklı seviyelerde silt birikimi ile etiketlenmiş 82,482 dağılım grafiği oluşturulmuştur. Bu grafikler ile eğitilen CNN model doğrulama grafikleri ile test edildiğinde, %99 doğrulukla silt derinliklerini %10 hata payı ile doğru bir şekilde tespit etmiştir. Bu bulgular, CNN'lerin toplama sistemlerindeki silt birikimini tespit etmek için güçlü bir araç olduğunu ve geleneksel yöntemlere kıyasla daha hızlı ve daha kesin bir alternatif sunduğunu göstermektedir. Bu yaklaşım, bakım verimliliğini artırma ve silt birikiminden kaynaklanan sistem arızası riskini azaltma potansiyeline sahiptir. Ancak, modelin performansını simüle edilmiş sistemler yerine gerçek atıksu toplama sistemlerinde doğrulamak için daha fazla araştırma gerekmektedir.