Water quality and its enhancement have a close connection with the presence of dissolved oxygen concentration. A higher dissolved oxygen level indicates better water quality. Aeration is used in water treatment to increase the concentration of dissolved oxygen. Aeration is the process by which the area of contact between water and air is increased, either by natural methods or by hydraulic structures.
Aeration enhancement by macro-roughness is well-known in water treatment and one form is the stepped cascade. The macro-roughness of the steps significantly reduces flow velocities and leads to flow aeration along the stepped cascade. In this study, models based on LS–SVM, ANN, and ANFIS methods were developed to predict aeration efficiency in stepped cascades using channel slope, energy-loss ratio and flow regime parameters. Experimental results were compared with the results of these artificial intelligence methods. Good agreements between the experimental results and predicted results prove the validity of the models. The best result was obtained with model based on LS–SVM. The obtained R2 value for this model was 0.9728.

Su kalitesi ve su kalitesinin arttırılması, su içerisindeki çözünmüş oksijen konsantrasyonu ile yakından ilişkilidir. Çözünmüş oksijen seviyesi ne kadar yüksek olursa su kalitesinin o kadar iyi olduğu söylenebilir. Suların temizlenmesinde çözünmüş oksijen konsantrasyonunu artırmak için havalandırma işlemi kullanılır. Havalandırma, doğal metotlarla veya hidrolik yapılarla su ve hava arasındaki temas alanının arttırılması yöntemidir.
Makro pürüzlülük yardımıyla havalandırmayı arttıran ve su arıtımı konusunda iyi bilinen bir sistemlerden biri basamaklı kaskatlardır. Basamakların makro pürüzlülüğü, akım hızını önemli bir derecede azaltır ve basamaklı kaskat boyunca akımın havalanmasına yol açar. Bu çalışmada; kanal eğimi, enerji sönümleme oranı ve akım rejimi parametreleri kullanılarak EK-DVM (En Küçük Kareler-Destek Vektör Makinası), YSA (Yapay Sinir Ağları) ve USBA (Uyarlamalı Sinirsel Bulanık Ağ) metotları yardımıyla basamaklı kaskat havalandırıcılarda havalandırma veriminin tahmini için modeller geliştirilmiştir. Deneysel sonuçlar ve yapay zeka metotları ile geliştirilen modellerin sonuçları birbiriyle karşılaştırılmıştır. Deneysel sonuçlar ve geliştirilen modeller yardımıyla tahmin edilmiş sonuçlar arasındaki uyum modellerin uygunluluğunu göstermektedir. En iyi sonuç EK-DVM metodu yardımıyla geliştirilen model ile elde edilmiştir. Bu model için elde edilen R2 değeri 0.9728’ dir.