Journal of Health System Research

fa پیش‌بینی و بهینه‌سازی شاخص‌های حذف هورمون‌های استروئیدی از فاضلاب شهری به روش اولتراسوند با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک: یک رویکرد مروری Prediction and Optimization of Ultrasound-Assisted Removal of Estrogen Hormones from Municipal Wastewater Using Artificial Neural Network and Genetic Algorithm: A Review Approach مهندسی بهداشت محیط Environmental Health Engineering كاربردي Applicable مقدمه: استروژن‌ها از ریزآلاینده‌های فاضلاب به شمار می‌روند که اثرات مخربی بر موجودات زنده آب می‌گذارند. گزارش‌های زیادی اثرات نامطلوب مانند زنانه شدن ماهی‌ها، هورمون‌های استروژن در محیط را مستند می‌کند. یکی از منابع عمده این ترکیبات، پساب‌های فاضلاب‌ شهری است. فرایندهای بیولوژیکی در تصفیه‌خانه‌های فاضلاب شهری نمی‌تواند این ترکیبات را به طور کامل حذف کند. بنابراین، روشی برای تصفیه هورمون‌ها مورد نیاز است. روش اولتراسونیک فرایند مؤثری برای حذف ریزآلاینده‌ها می‌باشد. هدف از انجام پژوهش حاضر، مدل‌سازی و بهینه‌سازی حذف دو هورمون [استرون (E1) و 17 بتااسترادیول (E2)] از فاضلاب به روش اولتراسوند با استفاده از شبکه عصبی مصنوعی (Artificial neural network یا ANN) با رویکرد الگوریتم ژنتیک (Genetic algorithms یا GA) بود. روش‌ها: بررسی متون از سال 2000 تا 2021 انجام شد و نتایج مطالعات مرتبط، برای مدل‌سازی مورد استفاده قرار گرفت. یک مدل شبکه‌ای دو لایه Feed-Forward Back-Propagation Neural Network (FFBPNN) طراحی شد. الگوریتم‌های آموزشی مختلف مورد ارزیابی قرار گرفت و الگوریتم Levenberg Marquardt (LM) به عنوان بهترین الگوریتم انتخاب گردید. یافته‌ها: وجود 12 نورون در لایه پنهان، منجر به بالاترین R (ضریب همبستگی) و کمترین خطای میانگین مربعات (Mean squared error یا MSE) و خطای مطلق میانگین (Mean absolute error یا MAE) شد. نتایج GA شرایط بهینه عملکرد را تعیین کرد. بدین ترتیب، افزایش pH و Power density، راندمان حذف هورمون‌ها از فاضلاب را افزایش می‌دهد. نتیجه‌کیری: در نهایت، تجزیه و تحلیل حساسیت با استفاده از ANN-GA و همبستگی Spearman انجام شد و نتایج کاملاً سازگار بود Background: Estrogens are one of the micropollutants in the wastewater which have detrimental effects on water living organisms. There are many reports documenting the adverse effects of estrogen hormones, such as feminization of fish, in the environment. One of the major sources of these compounds is municipal wastewater effluents. The biological processes at municipal wastewater treatment plants cannot completely remove these compounds. Therefore, a method for the treatment of hormones is needed. The ultrasonic method is an effective process for elimination of micropollutants. This study aimed to model and optimize the removal of two hormones [estrone (E1) and 17 beta-estradiol (E2)] from the wastewater by ultrasound method using artificial neural network (ANN) with genetic algorithm (GA) approach. Methods: A literature review was performed from years 2000 to 2021 and the results of related studies were applied for modeling. A two-layer Feed-Forward Back-Propagation Neural Network (FFBPNN) model was designed. Various training algorithms were evaluated and the Levenberg Marquardt (LM) algorithm was selected as the best one. Findings: Existence of 12 neurons in the hidden layer led to the highest correlation coefficient (r) and the lowest mean squared error (MSE (and mean absolute error (MAE). The results of the GA determined the optimum performance conditions. Therefore, increasing in pH and power density increased the efficiency of removing hormones from the wastewater. Conclusion: Finally, a sensitivity analysis was performed using ANN-GA and Spearman correlation, and the results were completely compatible. استروژن‌ها, امواج اولتراسونیک, فاضلاب, هوش مصنوعی, شبیه‌سازی کامپیوتری Estrogens, Ultrasonic waves, Waste water, Artificial intelligence, Computer simulation 83 94 http://hsr.mui.ac.ir/browse.php?a_code=A-10-246-1&slc_lang=fa&sid=1 Nasrin Mousavikia نسرین موسوی‌کیا n_far65@yahoo.com 100319475328460013212 100319475328460013212 No MSc Student, Department of Civil Engineering, Isfahan University of Technology, Isfahan, Iran دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران Farzaneh Mohammadi فرزانه محمدی fm_1363@hlth.mui.ac.ir 100319475328460013213 100319475328460013213 No Assistant Professor, Department of Environmental Health Engineering, School of Health, Isfahan University of Medical Sciences, Isfahan, Iran استادیار، گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران Hasti Hasheminejad هستی هاشمی‌نژاد hhasheminejad@iut.ac.ir 100319475328460013214 100319475328460013214 Yes Assistant Professor, Department of Civil Engineering, Isfahan University of Technology, Isfahan, Iran استادیار، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران