Комплексная оценка качества воды и характеристик шлама на водоочистной станции Старой Куфы с использованием моделирования на основе искусственных нейронных сетей
DOI:
https://doi.org/10.48612/dnitii/2025_57_59-75Ключевые слова:
мутность, река Евфрат, очистка питьевой воды, нейронные сети, станция Старой Куфы, Эн-Наджаф, ХПК, ОВВАннотация
Исследование посвящено комплексной оценке качества воды и свойств остаточного шлама на водоподготовительном комплексе Старой Куфы (Ирак). Объект — технологическая линия городской станции и формирующиеся остатки водоподготовки. Для анализа динамики ключевых индикаторов использованы производственные журналы за 2020–2024 гг. и лабораторные измерения, выполненные в июне–ноябре 2024 г.; рассматривались мутность, суммарная взвесь и химическое потребление кислорода. Отдельно изучена обусловленность удельного выхода шлама колебаниями качества воды Евфрата и режимами коагуляционно-флокуляционной обработки. Полученные значения сопоставлены с национальными нормативами питьевого водоснабжения и экологической безопасности; сформулированы практические следствия для устойчивого обращения с осадками: оценка риска превышений, планирование оптимизации доз реагентов, направления повторного использования и рекуперации ресурсов. Модельная часть основана на искусственной нейронной сети с входами pH, Cl⁻, NO₃⁻, NH₄⁺, температура и целями «взвесь» и «удельный выход шлама»; достигнута высокая прогностическая точность (R² = 0,991). Новизна состоит в интеграции полевых и экспериментальных данных городской ВОС с ИНС-прогнозом показателей очищенной воды и образования осадка при нестабильном речном притоке. Получен прикладной инструмент чувствительного анализа влияния исходных параметров и дозирования. Установлено, что оптический показатель и суммарная взвесь являются главными детерминантами формирования осадка; зафиксирован максимальный удельный выход 278,6 кг/1000 м³, что требует корректировки реагентных режимов и заблаговременного планирования обращения со шламом. Превышения ХПК относительно предельного значения 100 мг/л указывают на экологический риск и необходимость повышения устойчивости эксплуатации, включая оптимизацию доз и разработку сценариев повторного использования и рекуперации.
Библиографические ссылки
[1] World Health Organization, Guidelines for drinking-water quality: first addendum to the fourth edition. 2017.
[2] T. Ahmad, K. Ahmad, and M. Alam, “Characterization of Water Treatment Plant’s Sludge and its Safe Disposal Options,” Procedia Environ Sci, vol. 35, pp. 950–955, 2016, doi: 10.1016/j.proenv.2016.07.088.
[3] M. D. Nguyen, M. Thomas, A. Surapaneni, E. M. Moon, and N. A. Milne, “Beneficial reuse of water treatment sludge in the context of circular economy,” Nov. 01, 2022, Elsevier B.V. doi: 10.1016/j.eti.2022.102651.
[4] Nelson Belzile and Yu-Wei Chen, “Re-utilization of drinking water treatment residuals (DWTR): a review focused on the adsorption of inorganic and organic contaminants in wastewater and soil,” Environ Sci (Camb), no. 5, pp. 997–1296, May 2024.
[5] L. Pérez, I. Escudero, A. G. Cabado, B. Molinero-Abad, and M. J. Arcos-Martínez, “Study of ceramic membrane behavior for okadaic acid and heavy-metal determination in filtered seawater,” J Environ Manage, vol. 232, pp. 564–573, Feb. 2019, doi: 10.1016/j.jenvman.2018.11.077.
[6] M.S.E. Abdo, K.T. Ewida, and Y. M. Youssef, “Recovery of alum from wasted sludge produced from water treatment plants,” Journal of Environmental Science and Health , vol. 28, no. 6, pp. 1205–1216, 2008.
[7] find out more. P.-L. P. find out more. P. C. and constructive utilization of sludge produced in clari-flocculation unit of water treatment plant T. A. Materials Research Express Inclusive Publishing Trusted Science, Kafeel Ahmad, and Mehtab Alam, “Characterization and constructive utilization of sludge produced in clari-flocculation unit of water treatment plant,” IPO SCIENCE, vol. 5, no. 3, Mar. 2018.
[8] D. Fytili and A. Zabaniotou, “Utilization of sewage sludge in EU application of old and new methods—A review,” Renewable and Sustainable Energy Reviews, pp. 116–140, Aug. 2008.
[9] M. K. Karnena and V. Saritha, “Contemplations and investigations on green coagulants in treatment of surface water: a critical review,” Jul. 01, 2022, Springer Science and Business Media Deutschland GmbH. doi: 10.1007/s13201-022-01670-y.
[10] R. Q. Syed and M. M. Edward, Wastewater treatment plants: Planning, Design and Operation. New York, 1999.
[11] Pumipat K. Pachana, Ubolluk Rattanasak, Kamchai Nuithitikul, Peerapong Jitsangiam, and Prinya Chindaprasirt, “Sustainable utilization of water treatment residue as a porous geopolymer for iron and manganese removals from groundwater,” J Environ Manage, vol. 302, Jan. 2022.
[12] Robeam S. Melaku and Daba S. Gedafa, “Impact of Wastewater Treatment Sludge on Cracking Resistance of Hot Mix Asphalt Mixes at Lower Mixing Temperature,” Journal of Materials in Civil Engineering, vol. 32, no. 12, Dec. 2020.
[13] A. S. Kote and D. V Wadkar, “Modeling of Chlorine and Coagulant Dose in a Water Treatment Plant by Artificial Neural Networks,” 2019. [Online]. Available: www.etasr.com
[14] A. B. Sengul and Z. Gormez, “Prediction of Optimal Coagulant Dosage in Drinking Water Treatment by Artificial Neural Network,” in Improving Efficiency of Water Systems in a Changing natural and financial Environment, Kocaeli, Turkey , Apr. 2013, pp. 11–13.
[15] M. Solaimany, ----Aminabad Aminabad, A. Aminabad, A. Maleki, and M. Hadi, “Application of artificial neural network (ANN) for the prediction of water treatment plant influent characteristics Introduction 1,” 2013. [Online]. Available: http://jaehr.muk.ac.ir
[16] American Public Health Association and American Water Works Association; Water Environment, Standard Methods for the Examination of Water and Wastewater, 22nd ed. Washington, D.C: APHA/AWWA/WEF, 2012.
[17] IBM Software Group, IBM SPSS Neural Networks 20, Guide. Armonk, NY, USA: IBM Corporation, 2011.
[18] M. Serajuddin, M. A. I. Chowdhury, M. M. Haque, and M. E. Haque, “Using Turbidity to Determine Total Suspended Solids in an Urban Stream: A Case Study,” International Journal of Engineering Trends and Technology, vol. 67, no. 9, pp. 83–88, Sep. 2019, doi: 10.14445/22315381/IJETT-V67I9P214.
[19] Z. H. Abed and K. M. Khudair, “MODELING OF TURBIDITY DISTRIBUTION IN WATER NETWORKS USING PMS MODEL-AL-SARAY SECTOR IN KUFA CITY AS A CASE STUDY,” Kufa Journal of Engineering, vol. 14, no. 3, pp. 48–68, Jul. 2023, doi: 10.30572/2018/KJE/140304.
[20] J. C. Crittenden, R. R. Trussell, D. W. Hand, K. J. Howe, and G. Tchobanoglous, MWH’s Water Treatment: Principles and Design, 3rd ed. Oboken, New Jersey: John Wiley & Sons Inc, 2012.
[21] G. Farooq Jumaah, “Impact of saline wastewater on the behaviour of aerobic granular sludge (AGS),” Dijlah Journal of Engineering Science (DJES), vol. 2, no. 3, pp. 248–257, 2025.
[22] Yu-chen Wu and Jun-wen Feng, “Development and Application of Artificial Neural Network,” Wireless Personal Communications, vol. 102, pp. 1645–1656, Dec. 2017.
[23] R. Mohammed and B. Al-Obaidi, “Treatability influence of municipal sewage effluent on surface water quality assessment based on Nemerow pollution index using an artificial neural network,” in IOP Conference Series: Earth and Environmental Science, IOP Publishing Ltd, Nov. 2021. doi: 10.1088/1755-1315/877/1/012008.
