Bu tezin çerçevesi her geçen gün artan çevre sorunları içerisinde yer alan atıksu arıtıma problemine yine aynı oranda artan bir ivme ile hayatımıza giren yapay zeka teknolojilerine dayalı çözüm arayışı olarak çizebiliriz.Birinci bölümdeki genel bir girişi takiben atıksu tanımı ve özellikleri ile çevre koruma ve atıksu bertarafı ilgili mevzuatlar, atıksu arıtma yöntemleri, atıksu arıtma tesisleri ve uygulama çalışmasının yapıldığı Karaman atıksu arıtma tesisinin tanıtımına yer verilmiştir.Tezin ilerleyen bölümlerinde Yapay Sinir Ağı (YSA), Genetik Algoritma (GA) ve Arı Algoritmaları (AA) gözden geçirilmiştir.Kirlilik ölçme işlemlerinin uzun süreçler alması, maliyet, zaman zaman bunların sonuçlarının acil değerlendirilmek durumunda kalınması gibi sebeplerden dolayı giriş parametrelerine göre çıkış değerlerini hızlı bir şekilde tahmin eden bir sistem gereksinimi bu çalışmanın başlangıcı için ana sebep olmuştur. Bunun yanında, atıksu arıtma tesislerinde yaşanan temel problemlerden olan kısa süreli gelen ve ölçümlere yansımayan anlık aşırı kirlik yüküdür. Tesis kontrol parametrelerinin testleri yapıldığında çıkan sonuçlar ile geçmiş veriler ışığında yapılacak tahmin verilerinin karşılaştırılarak aşırı sapma durumunda anlık aşırı kirlilik yükünün tespiti ve gerekli önlemlerin alınması mümkün olması da bu çalışmaya ivme kazandıran diğer bir unsur olmuştur.Uygulama bölümünde Kaliforniya Irvine Üniversitesi Makine Öğrenmesi kütüphanesinde yer alan atıksu veri tabanı ile Adapazarı Büyükşehir Belediyesine bağlı ADASU Karaman atıksu arıtma tesisi verileri kullanılarak, Yapay Sinir Ağı modelinin eğitimleri klasik geri yayılım metodu, genetik algoritma ve arı algoritması ile sağlanmış ve test sonuçları alınmıştır.Son olarak arı algoritmasının yapay sinir ağı eğitiminde başarılı bir şekilde uygulanması ve elde edilen model ile atıksu arıtma tesis kontrolünde faydalanılmasının mümkün olabileceği ortaya konmuştur. Ayrıca arı algoritması ile yapılabilecek muhtemel yeni çalışmalar da bu çerçevede değerlendirilmiştir.
The framework of this study may be drawn as, finding a solution for the ever increasing environmental problem of wastewater treatment by using artificial intelligence approach.After a general introduction in the first section, the description and aspects of wastewaters, environmental protection and laws regulating the treatment of wastewaters summarized. Karaman wastewater treatment plant have been introduced.In the advancing sections a general overview of Artificial Neural Networks, Genetic Algorithms and bees Algorithm have been done.The main purpose of starting this study is requirement of a system that predicts output values according to input parameters due to some reasons like pollution measurement process? long duration time, cost and sometimes urgency of evaluating the process outcomes. Furthermore one of the main problems in wastewater treatment plants is instant excessive pollution which reachs up in short period and can?t be seen in measurements. Another subject of this study is instant extra pollution determination and possiblity of taking precaution in extreme bias situation by matching the result of plant control tests and prediction datas based on past datasIn the application section, wastewater databases of University of California Irvine and ADASU Karaman wastewater treatment plant of Adapazarı Great Municipality have been used to train neural network back propogation model. They are also used in genetic algorithm and bees algorithm and the test results were obtained.Finaly, the succesful application of the bees algorithm in the training of the artificial neural network have been done. Also, it has also been shown that, the acquired model can succesfuly be used in the control of wastewater treatmen plant. The possible, further search which may be done by employing the bees algorithm have been evaluated within this context
