تخمین میزان کل کاتیون ها، مقدارسدیم و نسبت جذب سدیم با استفاده از مدل سازی شبکه عصبیمصنوعی در ایستگاه هیدرومتری چمریز واقع بر رودخانه کر

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 509

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCWMSWRM06_137

تاریخ نمایه سازی: 21 تیر 1393

چکیده مقاله:

امروزه مدل های بسیاری جهت بررسی و پیش بینی کیفیت آب مورد استفاده قرار می گیرند که بیشتر آن ها نیازمند اطلاعات ورودی فراوان و غیر قابل دسترس هستند. بدین منظور انواع گوناگونی از مدل های عددی بوجود آمده و توسعه یافته اند. در این تحقیق از مدل شبکه عصبی مصنوعی پیشخور چند لایه ای پرسپترون به دلیل کاربرد مناسب و عدم نیاز به پارامترهای ورودی فراوان، استفاده شده است. با استفاده از داده های آماری رابطه ای بین دبی متوسط ماهیانه و پارامترهای کیفی رودخانه برقرار می گردد. سپس متغیرهای ورودی را با استفاده از شبکه عصبی مصنوعی، آموزش داده و به نرم افزار معرفی کرده تا در مرحله تست شبکه قرار گیرد و در نهایت با استفاده از معیارهای صحت سنجی، نتایج حاصله را بررسی کرده تا بهترین و مناسب ترین میزان کل کاتیون ها، مقدار سدیم و نسبت جذب سدیم متوسط ماهیانه بدست آید. مشاهده گردید که پارامترهای موثر بر SAR ماهانه به ترتیب: Na, CL می باشند. پارامترهای موثر بر SUM K ماهانه به ترتیب: SUM A, EC, TDS, CL, Na می باشند. پارامترهای موثر بر Na ماهانه به ترتیب: SAR, CL, SUM K, EC, SUM A می باشند. دبی ماهانه بسیار بیشتر از بارش ماهانه در ایستگاه چمریز روی مقدار کل کاتیون ها، سدیم و نسبت جذب سدیم ماهانه اثر گذار می باشد. اطلاعات آماری مربوط به ایستگاه هیدرومتری چمریز بر رودخانه کر بالادست سد دروزن واقع در استان فارس می باشد.

نویسندگان

نادر برهمند

عضو هیئت علمی، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد لارستان، ایران

محمد حسینی

کارشناس ارشد عمران سازه های هیدرولیکی،گروه مهندسی عمران،دانشگاه آزاد اسلامی واحد لارستان،ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • البرزی، م. 1380. "آشنایی با شبکه های عصبی مصنوعی." موسسه ...
  • جورابیان، م. و هوشمند، _ 1381. "منطق فازی و شبکه ...
  • دستورانی. م.ت. و جورج رایت، ن. 1382. " بهینه سازی ...
  • شرکت مهندسین مشاور پاراب فارس، "حوضه درودزن، گزارش سالیانه و ...
  • شرکت مهندسین مشاور پاراب فارس، "حوضه درودزن، گزارش سالیانه و ...
  • علیزاده، ا. 1381. _ اصول هیدرولوژی کاربردی "، مشهد، دانشگاه ...
  • منهاج، م. 1381. "مبانی شبکه های عصبی." مرکز نشر پروفسور ...
  • Van Vliet, M.T.H. and Zwolsman, J.J.G. (2008). Impact of summer ...
  • Zwolsman, J.J.G. and Van Bokhoven, A.G. (2007). Impact of summer ...
  • Ying, Z. (2007). Water quality forecast through application of BP ...
  • Wilbers, G.J., Zwolsman, G., Kalver, G. and Hendriks, A.J. (2009). ...
  • Wang, W. C., Chau, K. W., Cheng, C. T. and ...
  • Tokar.A.S, and Johnson.P.A, Rainfall -Runoff using artificial neural networks ", ...
  • Tayfur G, Guldal V. Artificial neural networks for estimating daily ...
  • Tayfur G. Artificial neural networks for sheet sediment transport. Hydrol ...
  • Lloyd, H., Chua, C. and Holz, K.-P. (2005). Hybrid Neural ...
  • Bartolini P, Salas JD. Modeling of streamflow processes at different ...
  • Bruen, M. and Yang, J. (2006). Combined Hydraulic and Black-Bos ...
  • Campolo. M _ Andreaussi. P, and soldati. A, 'River Flood ...
  • Chapra, S.C. and Pelltier, G.J. (2003). QUAL2K: A modelind framework ...
  • Chokmani, K., Khalili, B.M., Ouarda, T.B.M.J. and Bourdages, R. (2007). ...
  • Cigizoglu, H. K. (2003) Estimation, forecasting and extrapolation of river ...
  • danh.N.T, phine.H.N , gupta.A.D, Neural network models for river flow ...
  • Dawson, C. W. & Wilby, R. (1998) An artificial neural ...
  • Giustolisi, O. & Laucelli, D. (2005) Improving generalization of artificial ...
  • Govindaraju, R.S. (2000). Artificial neural network in hydrology. I: Hydrological ...
  • HSU.K, Gupta, H.V And sorooshian. S , (1995), " Artificial ...
  • Hu TS, Lam KC, Thomas NGS A modified neural network ...
  • Inmaculada, P.C. and Portela, M.M. (2007). Application of neural approaches ...
  • Karunanithi.N _ Grenny.W.j , whitley.D, and bovee. K, (1994) Neural ...
  • Kisi O. Streamflow forecasting using different artificial neural network algorithms. ...
  • Kisi O. Suspended sediment estimation using neuro-fuzzy and neural network ...
  • Luk, K. C., Ball, J.E. and Sharma, A. (2001). An ...
  • Patterson, D. (1996). "Artificial Neural Networks: Theory and Applications." Singapore: ...
  • Sahoo, G.B., Ray, C., Mehert, E. and Keefer, D.A. (2006). ...
  • See, L. & Openshaw, S. (2000) A hybrid multi-model approach ...
  • Shamseldin AY. Application of a neural network technique to rainfall-runof ...
  • Tabach, E.E, Lancelota, _ Shahroura, I. and Najarb, Y. (2007). ...
  • Tayfur G. Artificial neural networks for sheet sediment transport. Hydrol ...
  • Tokar.A.S, and Johnson.P.A, (1 999) Rainfall -Runoff using artificial neural ...
  • نمایش کامل مراجع