| Abstract : | Σκοπός της παρούσας διπλωματικής εργασίας, που υλοποιήθηκε στο πλαίσιο του Capstone Project του προγράμματος, διατυπώνεται σε δύο μέρη. Στο πρώτο μέρος πραγματοποιείται μια βιβλιογραφική ανασκόπηση, προκειμένου να κατανοηθούν οι Δείκτες Ποιότητας Νερού, ο σκοπός τους καθώς και η συμβολή τους στην ανάλυση ποιότητας νερού για το πόσιμο νερό παγκοσμίως. Στο δεύτερο μέρος, πραγματοποιείται ανάλυση τηλεπισκοπικών δεδομένων που συγκεντρώθηκαν από αισθητήρες του Οργανισμού Ανάπτυξης Κρήτης (ΟΑΚ Α.Ε), στο φράγμα Αποσελέμη, προκειμένου να αξιολογηθεί ο Δείκτης Ποιότητας Νερού στα παρεχόμενα δεδομένα. Διαδικασία που πραγματοποιήθηκε με τη χρήση ενός από του γνωστότερους και πιο ευρέως χρησιμοποιούμενους δείκτες (Canadian Water Quality Index CWQI). Τέλος μέσωτης χρήσης αλγορίθμων μηχανικής μάθησης όπως Multivariate Regression, Random ForestRegression, Support Vector Regression, γίνεται πρόβλεψη μιας συγκεκριμένης παραμέτρου (παροχή κιλών ανά ώρα Αέριου Χλωρίου), με στόχο την βελτιστοποίηση και αυτοματοποίηση μιας διαδικασίας που πραγματοποιείται κατά το στάδιο καθαρισμού του νερού, η πραγματοποίηση της οποίας γίνεται εμπειρικά έως και την ώρα παράδοσης της παρούσας εργασίας στην ΕΕΝ Αποσελέμη. Τα αποτελέσματα των ενεργειών που πραγματοποιήθηκαν στο πλαίσιο της παρούσας διπλωματικής, αποδεικνύουν πως η ποιότητα του ανεπεξέργαστου νερού που εισέρχεται από το φράγμα, περιέχει υψηλά ποσοστά μόλυνσης, καθιστώντας την διαδικασία καθαρισμού ζωτικής σημασίας. Επίσης μέσω των αλγορίθμων μηχανικής μάθησης που χρησιμοποιήθηκαν, επιτεύχθηκε η ακριβής πρόβλεψη της καθορισμένης παραμέτρου σε ιδιαίτερα ικανοποιητικό βαθμό. Καταλήγοντας συμπεραίνουμε πως με την χρήση της προβλεπόμενης τιμής της παραμέτρου, έχουμε ακριβέστερη κατανομή του αέριου χλωρίου πράγμα που βοηθάει στην επίτευξη καλύτερης ποιότητας νερού, αναφορικά με τους δείκτες, χωρίς την χρήση πολύ μεγαλύτερης ποσότητας χλωρίου στο στάδιο καθαρισμού του νερού.
The purpose of this thesis, that was implemented as part of the program’s Capstone Project venture, consists of two parts. In the first part, a brief literature review study is undertaken in order to understand the Water Quality Indices, their purpose and their contribution to water quality analysis in potable water all over the world. The second part, is an implementation of data analysis in remote sensing data gathered by sensors of the Organization for the Development of Crete (OAK SA), in order to assess the Water Quality Index on those data based on one of the most well-known and widely used index (Canadian Council Minister of Environment Water Quality Index CCME WQI). Finally, through the use of machine learning algorithms such as Multivariate Regression analysis, Random Forest and Support Vector Regression, a specific parameter (kilos per hour of chlorine gas) is predicted, aiming to automate and a optimize a process, which until this moment, is carried out empirically in the water purification process of the Water Treatment Plant of Aposelemis in Crete. The results of our analysis show that the quality of the incoming water streams is polluted to a significant degree, especially during the winter period, and the purification process is vital. Through the ML algorithms used we managed to get a very accurate forecast of the specified parameter and based on an experiment we concluded that with a better and more accurate distribution of the chlorine we can achieve even higher quality indices, reducing the chlorine gas quantity during the water purification stage.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.